Question

我正在尝试根据给定的事实重建一个神经网络。它有3个输入，一个隐藏层和一个输出。我的问题是权重也给出了，所以我不需要训练。

我在想也许我可以保存类似的结构神经网络的训练并相应地改变这些值。你认为这会有效吗？还有其他想法。谢谢。

神经网络代码：

    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()

保存培训并从How to save and recover PyBrain training?

加载代码

# Using NetworkWriter

from pybrain.tools.shortcuts import buildNetwork
from pybrain.tools.xml.networkwriter import NetworkWriter
from pybrain.tools.xml.networkreader import NetworkReader

net = buildNetwork(2,4,1)

NetworkWriter.writeToFile(net, 'filename.xml')
net = NetworkReader.readFrom('filename.xml')

Answer 1

我很好奇如何阅读已经训练过的网络（使用xml工具）。因为，这意味着网络权重可以某种方式设置。因此，在NetworkReader documentation我发现，您可以使用_setParameters()设置参数。

然而，下划线意味着私人方法可能会产生一些副作用。还要记住，具有权重的向量必须与最初构建的网络长度相同。

实施例

>>> 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])

其他重要的是按正确的顺序排列值。例如上面就是这样：

[  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图层之间的连接，请尝试此

# 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的确切权重顺序......

PyBrain：我如何在神经网络中加入特定权重？

1 个答案: