(广告:新建了一个mxnet技术交流群, 群 号:589720184。有兴趣的可以加入。)
针对Mxnet测试过它的python、java、scala、go和R语言,发现就是R语言上安装最容易了。
首先要安装好R语言环境。
然后启动R语言环境,执行以下3行安装语句:
install.packages("drat", repos="https://cran.rstudio.com")
drat:::addRepo("dmlc")
install.packages("mxnet")
就把mxnet cpu版本搞定了。网络快的话,几分钟就搞定。
最后,参考这篇文章《MXNet | 在R语言中使用》写个mxnet例子。例如,
###########Sonar声纳数据集分类。类(M为矿井,R为岩石),预测最普遍类的基准性能是约 53% 的分类准确率,最佳结果达到约 88% 的分类准确率。
#它是一个二元分类问题。每个类的观察值数量不均等。一共有208个观察值,60个输入变量和1个输出变量。
require(mlbench)
require(mxnet)
data(Sonar, package="mlbench")
Sonar[,61] = as.numeric(Sonar[,61])-1
train.ind = c(1:50, 100:150)
train.x = data.matrix(Sonar[train.ind, 1:60])
train.y = Sonar[train.ind, 61]
test.x = data.matrix(Sonar[-train.ind, 1:60])
test.y = Sonar[-train.ind, 61]
mx.set.seed(0)
model <- mx.mlp(train.x, train.y, hidden_node=10, out_node=2,out_activation="softmax", num.round=20, array.batch.size=15, learning.rate=0.07, momentum=0.9, eval.metric=mx.metric.accuracy)
preds = predict(model, test.x)
pred.label = max.col(t(preds))-1
cat("test.y",test.y)
cat("pred.label",pred.label)
table(pred.label, test.y)
(24+33) / (24+14+36+33)