Python PyBrain:如何在神经网络中设置特定权重?
我试图根据给定的事实重新创建一个神经网络。它有3个输入,一个隐藏层和一个输出。我的问题是权重也是给定的,所以我不需要训练 我在想,也许我可以省去类似结构神经网络的训练,并相应地改变值。你认为这样行吗?还有其他想法吗?谢谢 神经网络代码:Python PyBrain:如何在神经网络中设置特定权重?,python,neural-network,pybrain,Python,Neural Network,Pybrain,我试图根据给定的事实重新创建一个神经网络。它有3个输入,一个隐藏层和一个输出。我的问题是权重也是给定的,所以我不需要训练 我在想,也许我可以省去类似结构神经网络的训练,并相应地改变值。你认为这样行吗?还有其他想法吗?谢谢 神经网络代码: net = FeedForwardNetwork() inp = LinearLayer(3) h1 = SigmoidLayer(1) outp = LinearLayer(1) # add modules n
net = FeedForwardNetwork()
inp = LinearLayer(3)
h1 = SigmoidLayer(1)
outp = LinearLayer(1)
# add modules
net.addOutputModule(outp)
net.addInputModule(inp)
net.addModule(h1)
# create connections
net.addConnection(FullConnection(inp, h1))
net.addConnection(FullConnection(h1, outp))
# finish up
net.sortModules()
trainer = BackpropTrainer(net, ds)
trainer.trainUntilConvergence()
从中保存培训和加载代码
我很好奇如何阅读已经训练好的网络(使用xml工具)。因为,这意味着可以通过某种方式设置网络权重。因此,我发现,您可以使用
\u setParameters()
设置参数
然而,下划线表示可能有一些副作用的私有方法。还要记住,带权重的向量必须与最初构造的网络长度相同
范例
>>> import numpy
>>> from pybrain.tools.shortcuts import buildNetwork
>>> net = buildNetwork(2,3,1)
>>> net.params
array([...some random values...])
>>> len(net.params)
13
>>> new_params = numpy.array([1.0]*13)
>>> net._setParameters(new_params)
>>> net.params
array([1.0, ..., 1.0])
另一件重要的事情是将价值观按正确的顺序排列。例如,上面是这样的:
[ 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1. ]
input->hidden0 hidden0->out bias->out bias->hidden0
要确定哪些权重属于层之间的哪些连接,请尝试以下操作
# net is our neural network from previous example
for c in [connection for connections in net.connections.values() for connection in connections]:
print("{} -> {} => {}".format(c.inmod.name, c.outmod.name, c.params))
无论如何,我仍然不知道层之间权重的确切顺序…参数向量中权重的顺序是唯一定义的,请参见此处:如果您觉得答案有用,请将其标记为已接受;)
# net is our neural network from previous example
for c in [connection for connections in net.connections.values() for connection in connections]:
print("{} -> {} => {}".format(c.inmod.name, c.outmod.name, c.params))