Neural network 网络:删除单个连接

Neural network 网络:删除单个连接,neural-network,connectivity,theano,Neural Network,Connectivity,Theano,如何删除网络中的连接?我想在输入层、单个隐藏层和输出层之间创建自定义连接。但唯一的默认设置是前馈所有到所有架构或循环架构。我想删除所有到所有连接中的特定连接,然后训练网络 提前感谢。(这里是theanates的开发者。) 目前,这不可能直接用于。为了提高计算效率,前馈网络中的底层计算被实现为简单的矩阵运算,这些运算速度很快,可以在GPU上执行,有时还可以大大提高速度 但是,可以初始化层中的权重,以使某些(或许多)权重为零。为此,只需在层列表中传递一个字典,并包含一个稀疏性键: import th

如何删除网络中的连接?我想在输入层、单个隐藏层和输出层之间创建自定义连接。但唯一的默认设置是前馈所有到所有架构或循环架构。我想删除所有到所有连接中的特定连接,然后训练网络

提前感谢。

(这里是
theanates
的开发者。)

目前,这不可能直接用于。为了提高计算效率,前馈网络中的底层计算被实现为简单的矩阵运算,这些运算速度很快,可以在GPU上执行,有时还可以大大提高速度

但是,可以初始化层中的权重,以使某些(或许多)权重为零。为此,只需在
列表中传递一个字典,并包含一个
稀疏性
键:

import theanets

net = theanets.Autoencoder(
    layers=(784, dict(size=1000, sparsity=0.9), 784))
这将初始化层的权重,以便给定的权重分数为零。然而,权重在训练过程中可以更改,因此这只是一个初始化技巧

但是,您可以实现一个自定义子类,它可以做任何您喜欢的事情,只要您保持在边界之内。例如,您可以实现一种前馈层,该层使用遮罩来确保某些权重在前馈计算期间保持为零


有关更多详细信息,您可能想在。

快速问题Lief上询问,是否可以通过将前馈网络指定为RNN并设置hh矩阵参数以确保不存在隐藏的连接,以及指定xh矩阵参数以仅提供所需的连接来模拟具有自定义连接的前馈网络?(也许我误解了这些矩阵的性质。)这是可能的,但完全没有必要引入hh矩阵,然后将其归零。也会很慢,因为重复层使用扫描。请尝试编写组以了解详细信息: