Я пытаюсь обучить MNIST набор данных с помощью dbn.dnn.train функцию deepenet пакета. Задача является классической. Я использую следующую командуR Пакет Deepnet: Обучение и тестирование MNIST набор данных
dbn.deepnet <- dbn.dnn.train(train.image.data,train.image.labels,hidden=c(5,5))
Проблемы я столкнулся являются:
1) Этикетки должны быть типа вектор фактор. Но когда я вводим метки как фактор, функция дает ошибку, что «y должна быть матрицей или вектором». Итак, я использую метки как числовые. Как продолжить классификационное задание
2) Что это за функция, чтобы сделать прогнозы для dbn.dnn.train. Я использую nn.predict, но в документации упоминается, что ввод должен быть нейронной сетью, обученной функцией nn.train (dbn.dnn.train не упоминается). Выход 0,9986 для всех записей
nn.predict(dbn.deepnet,train.image.data)
Может быть, вы должны попробовать ** neuralnet ** пакет вместо этого? Пожалуйста, проверьте этот ответ http://stackoverflow.com/questions/21827195/unexpected-output-while-using-neuralnet-in-r Надеюсь, это поможет. –
Спасибо! Но я пытаюсь внедрить глубокое обучение, особенно глубокие сети убеждений, которые не предоставляются пакетом neuralnet. –
Пример обучения MNIST w/'deepnet' можно найти в [здесь] (http://www.parallelr.com/r -with-parallel-computing /) и информацию об ускорении в [здесь] (http://stackoverflow.com/questions/32239487/why-r-deepnet-slow-how-can-i-speed-up/39554401#39554401) , – Patric