neuralNet: neuralNet

Artikel
05/23/2023

Erstellt eine Liste mit dem Funktionsnamen und den Argumenten zum Trainieren eines NeuralNet-Modells mit rxEnsemble.

Verwendung

  neuralNet(numHiddenNodes = 100, numIterations = 100, optimizer = sgd(),
    netDefinition = NULL, initWtsDiameter = 0.1, maxNorm = 0,
    acceleration = c("sse", "gpu"), miniBatchSize = 1, ...)

Argumente

`numHiddenNodes`

Dies ist die Standardanzahl verborgener Knoten im neuronalen Netz. Der Standardwert ist 100.

`numIterations`

Dies ist die Anzahl an Iterationen für das vollständige Trainingsdataset. Der Standardwert ist 100.

`optimizer`

Dies ist eine Liste, die einen der Optimierungsalgorithmen sgd oder adaptive angibt. Diese Liste kann mithilfe von sgd oder adaDeltaSgd erstellt werden. Standardwert: sgd.

`netDefinition`

Dies ist die Net#-Definition der Struktur des neuronalen Netzes. Weitere Informationen zur Net#-Sprache finden Sie hier: Reference Guide.

`initWtsDiameter`

Hiermit wird der Durchmesser der anfänglichen Gewichtungen festgelegt, der den Bereich angibt, aus dem die Werte für die anfänglichen Lerngewichtungen stammen. Diese Gewichtungen werden innerhalb dieses Bereichs nach dem Zufallsprinzip initialisiert. Der Standardwert ist 0,1.

`maxNorm`

Hiermit wird eine obere Grenze angegeben, mit der die Norm des eingehenden Gewichtungsvektors für die einzelnen verborgenen Einheiten begrenzt wird. Dies kann hilfreich bei maximierten neuronalen Netzen sowie in Fällen sein, in denen beim Training ungebundene Gewichtungen erzeugt werden.

`acceleration`

Hiermit wird der Typ der Hardwarebeschleunigung angegeben, der verwendet wird. Mögliche Werte sind „sse“und „gpu“. Es wird empfohlen, als GPU-Beschleunigung einen miniBatchSize-Wert größer als 1 zu verwenden. Wenn Sie die GPU-Beschleunigung verwenden möchten, sind zusätzliche Einrichtungsschritte erforderlich:

Herunterladen und Installieren der Version 6.5 des Nvidia-Toolkits „CUDA“ (CUDA Toolkit)
Herunterladen und Installieren der Bibliothek „NVidia cuDNN v2“ (cudnn Library).
Suchen des Bibliotheksverzeichnisses des MicrosoftRML-Pakets durch Aufrufen von system.file("mxLibs/x64", package = "MicrosoftML").
Kopieren von „cublas64_65.dll“, „cudart64_65.dll“ und „cusparse64_65.dll“ aus dem CUDA-Toolkit (Version 6.5) und Einfügen im Bibliotheksverzeichnis des MicrosoftRML-Pakets.
Kopieren von „cudnn64_65.dll“ aus der Bibliothek „cuDNN v2“ und Einfügen in das Bibliotheksverzeichnis des MicrosoftRML-Pakets.

`miniBatchSize`

Hiermit wird ein Wert für mini_batch_size festgelegt. Empfohlene Werte liegen in einem Bereich zwischen 1 und 256. Dieser Parameter wird nur verwendet, wenn die GPU-Beschleunigung verwendet wird. Wenn dieser Parameter auf einen höheren Wert festgelegt wird, verbessert dies die Geschwindigkeit des Trainings, es kann sich jedoch negativ auf die Genauigkeit auswirken. Der Standardwert ist 1.

`...`

Zusätzliche Argumente.

Freigeben über