Question

PyBrain是一个python库，提供（以及其他）易于使用的人工神经网络。

我无法使用pickle或cPickle正确地序列化/反序列化PyBrain网络。

请参阅以下示例：

from pybrain.datasets            import SupervisedDataSet
from pybrain.tools.shortcuts     import buildNetwork
from pybrain.supervised.trainers import BackpropTrainer
import cPickle as pickle
import numpy as np 

#generate some data
np.random.seed(93939393)
data = SupervisedDataSet(2, 1)
for x in xrange(10):
    y = x * 3
    z = x + y + 0.2 * np.random.randn()  
    data.addSample((x, y), (z,))

#build a network and train it    

net1 = buildNetwork( data.indim, 2, data.outdim )
trainer1 = BackpropTrainer(net1, dataset=data, verbose=True)
for i in xrange(4):
    trainer1.trainEpochs(1)
    print '\tvalue after %d epochs: %.2f'%(i, net1.activate((1, 4))[0])

这是上述代码的输出：

Total error: 201.501998476
    value after 0 epochs: 2.79
Total error: 152.487616382
    value after 1 epochs: 5.44
Total error: 120.48092561
    value after 2 epochs: 7.56
Total error: 97.9884043452
    value after 3 epochs: 8.41

如您所见，随着培训的进行，网络总误差会减少。您还可以看到预测值接近预期值12。

现在我们将进行类似的练习，但将包括序列化/反序列化：

print 'creating net2'
net2 = buildNetwork(data.indim, 2, data.outdim)
trainer2 = BackpropTrainer(net2, dataset=data, verbose=True)
trainer2.trainEpochs(1)
print '\tvalue after %d epochs: %.2f'%(1, net2.activate((1, 4))[0])

#So far, so good. Let's test pickle
pickle.dump(net2, open('testNetwork.dump', 'w'))
net2 = pickle.load(open('testNetwork.dump'))
trainer2 = BackpropTrainer(net2, dataset=data, verbose=True)
print 'loaded net2 using pickle, continue training'
for i in xrange(1, 4):
        trainer2.trainEpochs(1)
        print '\tvalue after %d epochs: %.2f'%(i, net2.activate((1, 4))[0])

这是该块的输出：

creating net2
Total error: 176.339378639
    value after 1 epochs: 5.45
loaded net2 using pickle, continue training
Total error: 123.392181859
    value after 1 epochs: 5.45
Total error: 94.2867637623
    value after 2 epochs: 5.45
Total error: 78.076711114
    value after 3 epochs: 5.45

如您所见，似乎训练对网络有一定影响（报告的总误差值继续减小），但网络的输出值冻结了与第一次训练迭代相关的值。

我需要注意哪些缓存机制会导致这种错误行为？是否有更好的方法来序列化/反序列化pybrain网络？

相关版本号：

Python 2.6.5（r265：79096，2010年3月19日，21：48：26）[MSC v.1500 32 bit（Intel）]
Numpy 1.5.1
cPickle 1.71
pybrain 0.3

P.S。我在项目的网站上创建了a bug report，并将保持SO和bug跟踪器更新

Answer 1

<强>原因

导致此行为的机制是在PyBrain模块中处理参数（.params）和派生（.derivs）：事实上，所有网络参数都存储在一个数组中，但个人{ {1}}或Module个对象可以访问“他们自己的”Connection，但这只是整个数组切片上的一个视图。这允许在同一数据结构上进行本地和网络范围的写入和读出。

显然，这个切片视图链接会因为腌渍而破坏。

<强>解决方案

插入

.params

从文件加载后（重新创建此共享），它应该可以工作。

如何序列化/反序列化pybrain网络？

1 个答案: