Deep Learning代码

xmubingo

Github中地址：    https://github.com/yusugomori/DeepLearning


我试过DBN可以运行，并且输入输出很简单。

训练数据：

1.                 // training data
   
2.                 int[][] train_X = {
   
3.                         {1, 1, 1, 0, 0, 0},
   
4.                         {1, 0, 1, 0, 0, 0},
   
5.                         {1, 1, 1, 0, 0, 0},
   
6.                         {0, 0, 1, 1, 1, 0},
   
7.                         {0, 0, 1, 1, 0, 0},
   
8.                         {0, 0, 1, 1, 1, 0}
   
9.                 };
   
10. 
    
11.                 int[][] train_Y = {
    
12.                         {1, 0},
    
13.                         {1, 0},
    
14.                         {1, 0},
    
15.                         {0, 1},
    
16.                         {0, 1},
    
17.                         {0, 1},
    
18.                 };
    

复制代码

train_X中保存训练数据，6个样本，每个样本有6维。
train_Y中保存训练数据的类标。6个样本对应6个类标。

测试数据：

1.                 // test data
   
2.                 int[][] test_X = {
   
3.                         {1, 1, 0, 0, 0, 0},
   
4.                         {1, 1, 1, 1, 0, 0},
   
5.                         {0, 0, 0, 1, 1, 0},
   
6.                         {0, 0, 1, 1, 1, 0},
   
7.                 };
   
8. 
   
9.                 double[][] test_Y = new double[test_N][n_outs];

复制代码

test_X中保存测试数据，4个样本，每个样本还是6维。
test_Y中保存预测出来的每个类别概率分布。

比如，运行之后test_Y为：

1. 0.5345716009870072 0.46542839901299277
   
2. 0.5289767904336489 0.47102320956635113
   
3. 0.05782124949129521 0.9421787505087047
   
4. 0.051671964708330416 0.9483280352916696
   

复制代码

还有C，C++，python版本的代码。可以在附件中下载。

xmubingo

支持double类型的输入。

原代码是int数据，不太适用，还是double类型好。牵一发而动全身，我已经将double类可运行代码改好。

入口也比较简单：

1.         public static void main(String[] args) {
   
2. 
   
3.                 double[][] train_X = { { 1, 1, 1, 0, 0, 0 }, { 1, 0, 1, 0, 0, 0 },
   
4.                                 { 1, 1, 1, 0, 0, 0 }, { 0, 0, 1, 1, 1, 0 },
   
5.                                 { 0, 0, 1, 1, 0, 0 }, { 0, 0, 1, 1, 1, 0 } };
   
6. 
   
7.                 double[][] train_Y = { { 1, 0 }, { 1, 0 }, { 1, 0 }, { 0, 1 },
   
8.                                 { 0, 1 }, { 0, 1 }, };
   
9. 
   
10.                 // test data
    
11.                 double[][] test_X = { { 1, 1, 0, 0, 0, 0 }, { 1, 1, 1, 1, 0, 0 },
    
12.                                 { 0, 0, 0, 1, 1, 0 }, { 0, 0, 1, 1, 1, 0 }, };
    
13. 
    
14.                 double[][] test_Y = new double[4][2];
    
15. 
    
16.                 test_dbn(train_X, train_Y, test_X, test_Y);
    
17. 
    
18.                 // test
    
19.                 for (int i = 0; i < 4; i++) {
    
20.                         for (int j = 0; j < 2; j++) {
    
21.                                 System.out.print(test_Y[i][j] + " ");
    
22.                         }
    
23.                         System.out.println();
    
24.                 }
    
25.         }

复制代码

AmBeta

应邹老师要求，我把师兄的代码封装成了weka中的分类器，这样大家就可以比较方便地体验一下Deep Learning了。

DL确实很难，因为神经网络就不容易。。。超多的参数，大家对参数有什么见解也希望可以分享一下~

xmubingo

AmBeta 发表于 2013-7-14 20:58
应邹老师要求，我把师兄的代码封装成了weka中的分类器，这样大家就可以比较方便地体验一下Deep Learning了。 ...

赞！
原作者的代码仍然有点粗糙，我并没有很好的理解dbn的原理，所以也无从下手，相信你能做的更好。