หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซี/ซี++
ดาวน์โหลด

เอ็มแอล++

แมชชีนเลิร์นนิงเป็นสาขาวิชาที่กว้างใหญ่และน่าตื่นเต้น โดยได้รับความสนใจจากผู้เชี่ยวชาญในหลากหลายสาขา น่าเสียดายที่สำหรับโปรแกรมเมอร์และผู้ที่ชื่นชอบ C++ ดูเหมือนว่าจะขาดการสนับสนุนในด้านการเรียนรู้ของเครื่อง เพื่อเติมเต็มช่องว่างนั้นและตั้งหลักที่แท้จริงให้กับ C++ ในทรงกลม ML ไลบรารีนี้จึงถูกเขียนขึ้น จุดประสงค์ของไลบรารีนี้คือเพื่อทำหน้าที่เป็นทางแยกระหว่างนักพัฒนาระดับต่ำและวิศวกรการเรียนรู้ของเครื่อง

การติดตั้ง

เริ่มต้นด้วยการดาวน์โหลดไฟล์ส่วนหัวสำหรับไลบรารี ML++ คุณสามารถทำได้โดยการโคลนที่เก็บและแตกไดเร็กทอรี MLPP ที่อยู่ภายใน: 

 git clone https://github.com/novak-99/MLPP

ถัดไป รันเชลล์สคริปต์ "buildSO.sh": 

 sudo ./buildSO.sh

หลังจากดำเนินการดังกล่าว ให้รักษาไฟล์ต้นฉบับ ML++ ไว้ในไดเร็กทอรีภายในเครื่องและรวมไว้ในลักษณะนี้: 

# include " MLPP/Stat/Stat.hpp " // Including the ML++ statistics module. 

int main (){
...
}

สุดท้ายนี้ หลังจากที่คุณสร้างโปรเจ็กต์เสร็จแล้ว ให้คอมไพล์โดยใช้ g++: 

 g++ main.cpp /usr/local/lib/MLPP.so --std=c++17

การใช้งาน

โปรดทราบว่า ML++ ใช้ประเภทข้อมูล std::vector<double> สำหรับการจำลองเวกเตอร์ และประเภทข้อมูล std::vector<std::vector<double>> สำหรับการจำลองเมทริกซ์

เริ่มต้นด้วยการรวมไฟล์ส่วนหัวที่เกี่ยวข้องที่คุณเลือก 

# include " MLPP/LinReg/LinReg.hpp "

ต่อไป ยกตัวอย่างวัตถุของชั้นเรียน อย่าลืมส่งชุดอินพุตและชุดเอาต์พุตเป็นพารามิเตอร์ 

LinReg model (inputSet, outputSet);

หลังจากนั้นให้เรียกเครื่องมือเพิ่มประสิทธิภาพที่คุณต้องการใช้ สำหรับเครื่องมือเพิ่มประสิทธิภาพซ้ำ เช่น การไล่ระดับสี ให้ระบุอัตราการเรียนรู้ หมายเลขยุค และจะใช้แผง UI หรือไม่ 

model.gradientDescent( 0.001 , 1000 , 0 );

เยี่ยมมาก ตอนนี้คุณพร้อมที่จะทดสอบแล้ว! หากต้องการทดสอบอินสแตนซ์การทดสอบเดี่ยว ให้ใช้ฟังก์ชันต่อไปนี้: 

model.modelTest(testSetInstance);

สิ่งนี้จะส่งคืนการทำนายเอกพจน์ของโมเดลสำหรับตัวอย่างนั้น

หากต้องการทดสอบชุดทดสอบทั้งหมด ให้ใช้ฟังก์ชันต่อไปนี้: 

model.modelSetTest(testSet);

ผลลัพธ์จะเป็นการคาดการณ์ของโมเดลสำหรับชุดข้อมูลทั้งหมด

เนื้อหาของห้องสมุด

  1. การถดถอย
    1. การถดถอยเชิงเส้น
    2. การถดถอยโลจิสติก
    3. การถดถอยซอฟต์แม็กซ์
    4. การถดถอยเอ็กซ์โปเนนเชียล
    5. การถดถอยแบบโปรบิต
    6. การถดถอย CLogLog
    7. การถดถอย Tanh
  2. โครงข่ายประสาทเทียมขนาดลึกแบบไดนามิก
    1. ฟังก์ชั่นการเปิดใช้งานที่เป็นไปได้
      • เชิงเส้น
      • ซิกมอยด์
      • ซอฟท์แม็กซ์
      • หวด
      • มิช
      • ซินซี
      • ซอฟท์พลัส
      • ซอฟต์เซ็น
      • CLogLog
      • เข้าสู่ระบบ
      • เกาส์เซียน CDF
      • เรลู
      • เจล
      • เข้าสู่ระบบ
      • ขั้นตอนหน่วย
      • ซินห์
      • โคช
      • ทานห์
      • ช
      • สค
      • คอธ
      • อาซิน
      • อาร์โคช
      • อาทานห์
      • อาร์คช
      • อาร์เชค
      • อาร์คอธ
    2. อัลกอริทึมการเพิ่มประสิทธิภาพที่เป็นไปได้
      • การไล่ระดับสีแบบแบทช์
      • การไล่ระดับไล่ระดับแบบมินิแบทช์
      • โคตรลาดสุ่ม
      • การไล่ระดับลงด้วยโมเมนตัม
      • Nesterov เร่งการไล่ระดับสี
      • โปรแกรมเพิ่มประสิทธิภาพ Adagrad
      • โปรแกรมเพิ่มประสิทธิภาพ Adadelta
      • อดัม ออพติไมเซอร์
      • อดาแมกซ์ ออพติไมเซอร์
      • นาดาม ออพติไมเซอร์
      • เครื่องมือเพิ่มประสิทธิภาพ AMSGrad
      • เครื่องมือเพิ่มประสิทธิภาพนิวตัน-ราฟสันลำดับที่ 2*
      • สมการปกติ*
      *ใช้ได้เฉพาะกับการถดถอยเชิงเส้นเท่านั้น
    3. ฟังก์ชันการสูญเสียที่เป็นไปได้
      • มสธ
      • RMSE
      • แม่
      • เอ็มบีอี
      • บันทึกการสูญเสีย
      • เอนโทรปีข้าม
      • การสูญเสียบานพับ
      • การสูญเสียของวัสเซอร์สไตน์
    4. วิธีการทำให้เป็นมาตรฐานที่เป็นไปได้
      • ลาสโซ
      • สันเขา
      • อีลาสติกเน็ต
      • การตัดน้ำหนัก
    5. วิธีการเริ่มต้นน้ำหนักที่เป็นไปได้
      • เครื่องแบบ
      • ซาเวียร์ นอร์มอล
      • ชุดซาเวียร์
      • เขาปกติ
      • เขาเครื่องแบบ
      • เลอคุน นอร์มอล
      • เครื่องแบบ LeCun
    6. ตัวกำหนดอัตราการเรียนรู้ที่เป็นไปได้
      • ตามเวลา
      • ตามยุคสมัย
      • ตามขั้นตอน
      • เอ็กซ์โปเนนเชียล
  3. โครงข่ายประสาทเทียมที่สร้างไว้ล่วงหน้า
    1. เพเซปตรอนหลายชั้น
    2. โปรแกรมเข้ารหัสอัตโนมัติ
    3. ซอฟท์แม็กซ์ เน็ตเวิร์ค
  4. การสร้างแบบจำลองกำเนิด
    1. เครือข่ายฝ่ายตรงข้ามที่สร้างตาราง
    2. เครือข่ายฝ่ายตรงข้ามที่สร้าง Wasserstein แบบตาราง
  5. การประมวลผลภาษาธรรมชาติ
    1. Word2Vec (ถุงคำต่อเนื่อง ข้ามกรัม)
    2. การกั้น
    3. ถุงคำ
    4. TFIDF
    5. โทเค็น
    6. ฟังก์ชั่นการประมวลผลข้อความเสริม
  6. คอมพิวเตอร์วิทัศน์
    1. ปฏิบัติการ Convolution
    2. สูงสุด ต่ำสุด การรวมเฉลี่ย
    3. Global Max, Min, การรวมเฉลี่ย
    4. ตัวตรวจจับคุณสมบัติที่สร้างไว้ล่วงหน้า
      • ตัวกรองพรีวิตต์แนวนอน/แนวตั้ง
      • ตัวกรอง Sobel แนวนอน/แนวตั้ง
      • ตัวกรอง Scharr แนวนอน/แนวตั้ง
      • ตัวกรองโรเบิร์ตแนวนอน/แนวตั้ง
      • ตัวกรองแบบเกาส์เซียน
      • เครื่องตรวจจับมุมแฮร์ริส
  7. การวิเคราะห์องค์ประกอบหลัก
  8. ตัวแยกประเภท Naive Bayes
    1. พหุนาม Naive Bayes
    2. เบอร์นูลลี่ ไร้เดียงสา เบเยส
    3. เกาส์เซียน ไร้เดียงสา เบย์ส
  9. รองรับการจำแนกเวกเตอร์
    1. สูตรเบื้องต้น (วัตถุประสงค์การสูญเสียบานพับ)
    2. สูตรคู่ (ผ่านตัวคูณลากรองจ์)
  10. K-หมายถึง
  11. k-เพื่อนบ้านที่ใกล้ที่สุด
  12. ตัวค้นหาค่าผิดปกติ (ใช้คะแนน z)
  13. การสลายตัวของเมทริกซ์
    1. การสลายตัวของ SVD
    2. การสลายตัวของโชเลสกี้
      • ตัวตรวจสอบความชัดเจนเชิงบวก
    3. การสลายตัวของ QR
  14. การวิเคราะห์เชิงตัวเลข
    1. ความแตกต่างเชิงตัวเลข
      • ฟังก์ชันที่ไม่แปรผัน
      • ฟังก์ชันหลายตัวแปร
    2. เครื่องคิดเลขเวกเตอร์จาโคเบียน
    3. เครื่องคิดเลขเมทริกซ์ Hessian
    4. ตัวประมาณฟังก์ชัน
      • การประมาณค่าคงที่
      • การประมาณเชิงเส้น
      • การประมาณกำลังสอง
      • การประมาณลูกบาศก์
    5. ตัวแก้สมการเชิงอนุพันธ์
      • วิธีของออยเลอร์
      • วิธีการเจริญเติบโต
  15. การแปลงทางคณิตศาสตร์
    1. การแปลงโคไซน์แบบไม่ต่อเนื่อง
  16. โมดูลพีชคณิตเชิงเส้น
  17. โมดูลสถิติ
  18. โมดูลการประมวลผลข้อมูล
    1. การตั้งค่าและการพิมพ์ชุดข้อมูล
    2. ชุดข้อมูลที่มีอยู่
      1. ชุดข้อมูลมะเร็งเต้านมวิสคอนซิน
        • ไบนารี่
        • สวีเอ็ม
      2. ชุดข้อมูล MNIST
        • รถไฟ
        • ทดสอบ
      3. ชุดข้อมูลดอกไอริส
      4. ชุดข้อมูลไวน์
      5. ชุดข้อมูลที่อยู่อาศัยของรัฐแคลิฟอร์เนีย
      6. ชุดข้อมูลอัคคีภัยและอาชญากรรม (ชิคาโก)
    3. การปรับขนาดคุณลักษณะ
    4. ค่าเฉลี่ยการทำให้เป็นมาตรฐาน
    5. หนึ่งตัวแทนที่ร้อนแรง
    6. ย้อนกลับหนึ่งตัวแทนที่ร้อนแรง
    7. การแปลงพื้นที่สีที่รองรับ
      • RGB เป็นระดับสีเทา
      • RGB เป็น HSV
      • RGB เป็น YCbCr
      • RGB เป็น XYZ
      • XYZ เป็น RGB
  19. สาธารณูปโภค
    1. ฟังก์ชัน TP, FP, TN, FN
    2. ความแม่นยำ
    3. จำ
    4. ความแม่นยำ
    5. คะแนน F1

มีอะไรอยู่ในผลงานบ้าง?

ML++ เป็นแบบไดนามิกและเปลี่ยนแปลงอยู่ตลอดเวลา เช่นเดียวกับเฟรมเวิร์กส่วนใหญ่ นี่เป็นสิ่งสำคัญอย่างยิ่งในโลกของ ML เนื่องจากมีการพัฒนาอัลกอริธึมและเทคนิคใหม่ทุกวัน ต่อไปนี้เป็นบางสิ่งที่กำลังได้รับการพัฒนาสำหรับ ML++:

- โครงข่ายประสาทเทียมแบบ Convolutional

- เคอร์เนลสำหรับ SVM

- รองรับการถดถอยเวกเตอร์

การอ้างอิง

สื่อต่างๆ มากมายช่วยฉันในการสร้าง ML++ และฉันอยากจะให้เครดิตกับหลายๆ สื่อที่นี่ บทความนี้โดย TutorialsPoint ช่วยได้มากเมื่อพยายามนำดีเทอร์มิแนนต์ของเมทริกซ์ไปใช้ และบทความนี้โดย GeeksForGeeks ก็มีประโยชน์มากเมื่อพยายามหาค่า adjoint และ inverse ของเมทริกซ์

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด