PyBrain - API และเครื่องมือ

ตอนนี้เรารู้วิธีสร้างเครือข่ายและฝึกอบรมแล้ว ในบทนี้เราจะเข้าใจวิธีการสร้างและบันทึกเครือข่ายและใช้เครือข่ายเมื่อจำเป็น

บันทึกและกู้คืนเครือข่าย

เราจะใช้ NetworkWriter และ NetworkReader จากเครื่องมือ Pybrain นั่นคือ pybrain.tools.customxml

นี่คือตัวอย่างการทำงานที่เหมือนกัน -

from pybrain.tools.shortcuts import buildNetwork
from pybrain.tools.customxml import NetworkWriter
from pybrain.tools.customxml import NetworkReader

net = buildNetwork(2,1,1)
NetworkWriter.writeToFile(net, 'network.xml')
net = NetworkReader.readFrom('network.xml')

เครือข่ายถูกบันทึกไว้ใน network.xml

NetworkWriter.writeToFile(net, 'network.xml')

ในการอ่าน xml เมื่อต้องการเราสามารถใช้รหัสได้ดังนี้ -

net = NetworkReader.readFrom('network.xml')

นี่คือไฟล์ network.xml ที่สร้างขึ้น -

<?xml version="1.0" ?>
<PyBrain>
   <Network class="pybrain.structure.networks.feedforward.FeedForwardNetwork" name="FeedForwardNetwork-8">
      <name val="'FeedForwardNetwork-8'"/>
      <Modules>
         <LinearLayer class="pybrain.structure.modules.linearlayer.LinearLayer" inmodule="True" name="in">
            <name val="'in'"/>
            <dim val="2"/>
         </LinearLayer>
         
         <LinearLayer class="pybrain.structure.modules.linearlayer.LinearLayer" name="out" outmodule="True">
            <name val="'out'"/>
            <dim val="1"/>
         </LinearLayer>
         
         <BiasUnit class="pybrain.structure.modules.biasunit.BiasUnit" name="bias">
            <name val="'bias'"/>
         </BiasUnit>
         
         <SigmoidLayer class="pybrain.structure.modules.sigmoidlayer.SigmoidLayer" name="hidden0">
            <name val="'hidden0'"/>
            <dim val="1"/>
         </SigmoidLayer>
      </Modules>
      
      <Connections>
         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-6">
            <inmod val="bias"/>
            <outmod val="out"/>
            <Parameters>[1.2441093186965146]</Parameters>
         </FullConnection>
         
         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-7">
            <inmod val="bias"/>
            <outmod val="hidden0"/>
            <Parameters>[-1.5743530012126412]</Parameters>
         </FullConnection>
         
         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-4">
            <inmod val="in"/>
            <outmod val="hidden0"/>
            <Parameters>[-0.9429546042034236, -0.09858196752687162]</Parameters>
         </FullConnection>
         
         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-5">
            <inmod val="hidden0"/>
            <outmod val="out"/>
            <Parameters>[-0.29205472354634304]</Parameters>
         </FullConnection>
      </Connections>
      
   </Network>
</PyBrain>

API

ด้านล่างนี้คือรายการ API ที่เราใช้ตลอดบทช่วยสอนนี้

สำหรับเครือข่าย

• activate(input)- ต้องใช้พารามิเตอร์เช่นค่าที่จะทดสอบ มันจะส่งคืนผลลัพธ์ตามอินพุตที่กำหนด

• activateOnDataset(dataset) - มันจะวนซ้ำชุดข้อมูลที่กำหนดและส่งคืนผลลัพธ์

• addConnection(c) - เพิ่มการเชื่อมต่อกับเครือข่าย

• addInputModule(m) - เพิ่มโมดูลที่กำหนดให้กับเครือข่ายและทำเครื่องหมายเป็นโมดูลอินพุต

• addModule(m) - เพิ่มโมดูลที่กำหนดให้กับเครือข่าย

• addOutputModule(m) - เพิ่มโมดูลลงในเครือข่ายและทำเครื่องหมายเป็นโมดูลเอาต์พุต

• reset() - รีเซ็ตโมดูลและเครือข่าย

• sortModules()- เตรียมเครือข่ายสำหรับการเปิดใช้งานโดยการจัดเรียงภายใน จะต้องถูกเรียกก่อนเปิดใช้งาน

สำหรับชุดข้อมูลภายใต้การดูแล

• addSample(inp, target) - เพิ่มตัวอย่างใหม่ของอินพุตและเป้าหมาย

• splitWithProportion(proportion=0.5) - แบ่งชุดข้อมูลออกเป็นสองส่วนส่วนแรกประกอบด้วยข้อมูลส่วนสัดส่วนและชุดถัดไปประกอบด้วยส่วนที่เหลือ

สำหรับผู้ฝึกสอน

trainUntilConvergence(dataset=None, maxEpochs=None, verbose=None, continueEpochs=10, validationProportion=0.25)- ใช้เพื่อฝึกโมดูลบนชุดข้อมูลจนกว่าจะบรรจบกัน หากไม่ได้รับชุดข้อมูลชุดข้อมูลจะพยายามฝึกชุดข้อมูลที่ผ่านการฝึกอบรมที่ใช้ในตอนเริ่มต้น