Question

我正在尝试使用DeepLearning4J 0.7训练受限制的Boltzmann机器（RBM），但没有成功。我发现的所有例子都没有做任何有用的事情或者不再使用DeepLearning4J 0.7。

我需要训练一个带有对比度发散的RBM，然后计算重建误差。

这是我到目前为止所做的：

import org.nd4j.linalg.factory.Nd4j;
import org.deeplearning4j.datasets.fetchers.MnistDataFetcher;
import org.deeplearning4j.nn.conf.layers.RBM;
import org.deeplearning4j.nn.api.Layer;
import static org.deeplearning4j.nn.conf.layers.RBM.VisibleUnit;
import static org.deeplearning4j.nn.conf.layers.RBM.HiddenUnit;
import org.deeplearning4j.optimize.api.IterationListener;
import org.deeplearning4j.datasets.iterator.impl.MnistDataSetIterator;
import org.deeplearning4j.eval.Evaluation;
import org.deeplearning4j.nn.api.OptimizationAlgorithm;
import org.deeplearning4j.nn.conf.MultiLayerConfiguration;
import org.deeplearning4j.nn.conf.NeuralNetConfiguration;
import org.deeplearning4j.nn.conf.Updater;
import org.deeplearning4j.nn.multilayer.MultiLayerNetwork;
import org.deeplearning4j.nn.weights.WeightInit;
import org.deeplearning4j.optimize.listeners.ScoreIterationListener;
import org.nd4j.linalg.dataset.DataSet;
import org.nd4j.linalg.dataset.api.iterator.DataSetIterator;
import org.nd4j.linalg.lossfunctions.LossFunctions;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.nd4j.linalg.api.ndarray.INDArray;

public class experiment3 {
    private static final Logger log = LoggerFactory.getLogger(experiment3.class);

    public static void main(String[] args) throws Exception {
        DataSetIterator mnistTrain = new MnistDataSetIterator(100, 60000, true);

        MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
            .regularization(false)
            .iterations(1)
            .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
            .list()
            .layer(0, new RBM.Builder()
                    .nIn(784).nOut(500)
                    .weightInit(WeightInit.XAVIER)
                    .lossFunction(LossFunctions.LossFunction.RECONSTRUCTION_CROSSENTROPY)
                    .updater(Updater.NESTEROVS)
                    .learningRate(0.1)
                    .momentum(0.9)
                    .k(1)
                    .build())
            .pretrain(true).backprop(false)
            .build();

        MultiLayerNetwork model = new MultiLayerNetwork(conf);
        model.init();
        model.setListeners(new ScoreIterationListener(600));

        for(int i = 0; i < 50; i++) {
            model.fit(mnistTrain);
        }
    }
}

它在每个时代编译并打印一些分数，但是当它应该减少并且我没有找到任何重建方法时，分数会增加。

我尝试使用reconstruct函数并计算距离：

        while(mnistTrain.hasNext()){
            DataSet next = mnistTrain.next();
            INDArray in = next.getFeatureMatrix();
            INDArray out = model.reconstruct(in, 1); // tried with 0 but arrayindexoutofbounds

            log.info("distance(1):" + in.distance1(out));
        }

但即使模型没有经过单个时期的训练，每个元素的距离也始终为0.0，这是不可能的。

这是培训RBM的正确方法吗？如何使用单个RBM重建输入？

Answer 1

关于这个问题，我在the project's Gitter channel与Adam Gibson（作者）谈过这个问题。他说他们实际上已经放弃了除了代码库以外的所有RBM支持，因此任何类型的RBM错误都可能发生并且不会被修复。

他们放弃它的原因是因为RBM一般在很大程度上被VAE（变分自动编码器）所取代，所以他们推动人们使用它。

Answer 2

删除RBM或其他类型的NN意味着DL4J不支持所有Deep Learning用例。不幸的是，DL4J不是一个完整的DL库，更不用说与许多Python替代品相比缺乏文档。

Answer 3

我意识到这个问题已经过时了，但最近的活动在我的流程中显示出来了。我只想说我最近在DL4j中使用RBM，包括单层和多层。他们可能没有得到官方支持，但他们的工作。我也偶然发现reconstruct。要测试模型，您应该使用output，就像在FF网络中一样。在你的情况下，我认为它将是：

INDArray in = next.getFeatureMatrix();
INDArray out = model.output(in);

一些补充：

我正在使用0.9.1

如何使用DeepLearning4J训练RBM并重建输入？

3 个答案: