DL4J示例調研

DL4J的Github倉庫有很多示例可以涵蓋它的功能。快速入門向你展示瞭如何設定Intellij並克隆倉庫。本頁提供這些例子中的一些概述。

DataVec 示例

大多數示例都使用DataVec，這是一個通過歸一化，標準化，搜尋和替換，列洗牌和向量化  預處理和清洗資料 的工具包。為神經網路讀取原始資料並將其轉換為DataSet物件通常是訓練該網路的第一步。如果你不熟悉DataVec，這裡有一個描述和一些有用的例子的連結。

IrisAnalysis.java

本例採用同名花卉品種的標準Iris資料集，其相關測量值是萼片長度、萼片寬度、花瓣長度和花瓣寬度。它從相對較小的資料集構建一個Spark RDD，並對其進行分析。

顯示程式碼

BasicDataVecExample.java

載入資料到一個Spark RDD的示例。所有 DataVec 轉換操作都使用Spark RDD。這裡我們使用DataVec來過濾資料，應用時間轉換和刪除列。

顯示程式碼

PrintSchemasAtEachStep.java

這個例子顯示了列印概要工具，這些工具對於視覺化和確保轉換的程式碼行為符合預期是有用的。

顯示程式碼

JoinExample.java

在傳遞傳遞資料集到一個神經網路之前，你可能需要連線資料集。你可以用DataVec實現，這個例子告訴你如何實現。

顯示程式碼

LogDataExample.java

這是使用DataVec解析日誌資料的示例。明顯的使用場景是是網路安全和客戶關係管理。

顯示程式碼

MnistImagePipelineExample.java

這個例子是從下面的視訊中演示的，它展示了ParentPathLabelGenerator和ImagePreProcessing縮放器。

顯示程式碼

PreprocessNormalizerExample.java

此示例演示了DataVec中可用的預處理特徵。

顯示程式碼

CSVExampleEvaluationMetaData.java

DataMeta資料跟蹤——即檢視每個示例的資料來自何處——在跟蹤導致錯誤和其他問題的格式錯誤的資料時非常有用。此示例演示RecordMetaData類中的功能。

顯示程式碼

DeepLearning4J 示例

為了構建一個神經網路，你將使用多層網路或計算圖。這兩種選項都使用Builder介面工作。下面描述了幾個例子中的亮點。

MNIST dataset of handwritten digits

MNIST是深度學習的入門。簡單，直接，重心在於影象識別，神經網路做得很好的任務。

MLPMnistSingleLayerExample.java

這是一個用於識別數字的單層感知器。請注意，這會從包含資料集的二進位制包中提取影象，這是資料提取的一種特殊情況。

顯示程式碼

MLPMnistTwoLayerExample.java

MNIST的兩層感知器，展示對於一個給定的資料集有不止一個有用的網路。

顯示程式碼

Feedforward Examples

通過前饋神經網路的資料流， 通過隱藏層從輸入到輸出的單向傳遞。

這些網路可用於各種各樣的任務，這取決於它們被配置。除了對MNIST資料進行影象分類之外，這個目錄還有演示迴歸、分類和異常檢測的示例。

顯示程式碼

Convolutional Neural Networks

卷積神經網路主要用於影象識別，雖然它們也適用於聲音和文字。

AnimalsClassification.java

此示例可以使用LeNet或AlexNet執行。

顯示程式碼

儲存和載入模型

在大量訓練資料上訓練網路需要時間。幸運的是，你可以儲存一個經過訓練的模型並載入模型以供以後的訓練或推斷。

SaveLoadComputationGraph.java

演示了儲存和載入用計算圖構建的神經網路。

顯示程式碼

SaveLoadMultiLayerNetwork.java

演示如何儲存和載入用多層網路構建的神經網路。

儲存／載入一個已訓練的模型並傳入一個新的輸入

我們的視訊系列顯示了包括儲存和載入模型以及推理的程式碼。

定製損失函式和層

你需要新增一個不可用的或是沒有預構建的損失函式嗎？檢視這些示例。

CustomLossExample.java

顯示程式碼

CustomLossL1L2.java

顯示程式碼

Custom Layer

你需要新增一個在DL4J中沒有的特徵的層嗎？這個例子展示瞭如何開始。 

CustomLayerExample.java

顯示程式碼

自然語言處理

我們也有自己的自然語言處理神經網路

GloVe

用於詞表示的全域性向量對於檢測詞之間的關係是有用的。

顯示程式碼

Paragraph Vectors

單詞的向量化表示。這裡有描述。

顯示程式碼

Sequence Vectors

表示句子的一種方式是單詞序列。

顯示程式碼

Word2Vec

這裡有描述

顯示程式碼

資料視覺化

T-分佈隨機相鄰嵌入（T-SNE）對於資料視覺化是有用的。我們在NLP部分包括一個例子，因為詞相似性視覺化是一種常用的用法。

顯示程式碼

迴圈神經網路

迴圈神經網路可用於處理時間序列資料或其他順序饋送的資料，如視訊。迴圈神經網路的示例資料夾有以下內容：

BasicRNNExample.java

學習字串的迴圈神經網路。

顯示程式碼

GravesLSTMCharModellingExample.java

將莎士比亞的全部作品作為字元序列，並訓練神經網路逐字創作“莎士比亞”。

顯示程式碼

SingleTimestepRegressionExample.java

用 LSTM (長短記憶) 迴圈神經網路實現迴歸。

顯示程式碼

AdditionRNN.java

這個例子訓練一個神經網路做加法。

顯示程式碼

RegressionMathFunctions.java

這個例子訓練一個神經網路來執行各種數學運算。

顯示程式碼

UCISequenceClassificationExample.java

一個公開的六類時間序列資料集，迴圈，向上等，例如，一個學習分類時間序列的RNN示例。

顯示程式碼

VideoClassificationExample.java

自動駕駛車輛如何區分行人、停車標誌和綠燈？在一組視訊上訓練卷積和迴圈層的複雜神經網路。實況車載視訊傳遞給訓練好的網路，並且基於來自神經網路的目標檢測的決策確定車輛動作。

這個例子類似，但簡化了。它結合卷積、最大池、密連（前饋）和迴圈（LSTM）層來對視訊中的幀進行分類。

顯示程式碼

SentimentExampleIterator.java

該情感分析例項使用詞向量和迴圈神經網路將情感分類為正或負。

顯示程式碼

在Spark上分散式訓練

DL4J支援使用Spark叢集進行網路訓練。這裡是例子。

MnistMLPExample.java

這是一個多層感知機對手寫數字的MNIST資料集進行訓練的例子。

顯示程式碼

SparkLSTMCharacterExample.java

在Spark上的一個LSTM迴圈網路

顯示程式碼

ND4J 示例

ND4J是張量處理庫。它可以被認為是JVM版的Numpy。神經網路通過處理和更新多維數值陣列來工作。在典型的神經網路應用程式中，您使用DataVec提取並轉換資料為數字。使用的類是RecordReader。一旦需要將資料傳遞到神經網路，通常使用RecordReaderDataSetIterator。RecordReaderDataSetIterator返回DataSet物件。DataSet由輸入特徵和標籤的NDArray組成。

學習演算法和損失函式作為ND4J操作被執行。

基本的ND4J示例

這是一個帶有建立和操作NDArrays示例的目錄

顯示程式碼

強化學習示例

深度學習演算法已經學會了使用強化學習來玩《Space Invaders》和《Doom》。DL4J/RL4J強化學習的例子在這裡可用：

顯示程式碼

翻譯：風一樣的男子

有任何問題請聯絡微信

image

如果您覺得我的文章給了您幫助，請為我買一杯飲料吧！以下是我的支付寶，意思一下我將非常感激！