自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

魔都幽灵

山无棱，天地合，才敢与君决！

北之 CSDN认证博客专家 CSDN认证企业博客

码龄12年

12: 原创

43万+: 周排名

138万+: 总排名

4万+: 访问

: 等级

560: 积分

6: 粉丝

12: 获赞

3: 评论

82: 收藏

私信

关注

热门文章

分类专栏

最新评论

GitHub深度神经网络DBNs有关输入矩阵，标签矩阵，相关参数设置疑问，求指点！！！！！
似真似幻: 你好，我最近想使用DBN进行数据降维也遇到了这个问题，标签矩阵不知道如何设置请问大佬可以传授下经验吗[code=python] def test_dbn(pretrain_lr=0.1, pretraining_epochs=100, k=1, \ finetune_lr=0.1, finetune_epochs=80): x = numpy.array([[1, 1, 1, 0, 0, 0], [1, 0, 1, 0, 0, 0], [1, 1, 1, 0, 0, 0], [0, 0, 1, 1, 1, 0], [0, 0, 1, 1, 0, 0], [0, 0, 1, 1, 1, 0]]) y = numpy.array([[1, 0], [1, 0], [1, 0], [0, 1], [0, 1], [0, 1]]) # generates random numbers for bias and weights for machine learning rng = numpy.random.RandomState(123) # 关注输入矩阵及其维度6，Label矩阵及其维度2，至于隐藏层大小自己设置 # construct DBN dbn = DBN(input=x, label=y, n_ins=6, hidden_layer_sizes=[3, 3], n_outs=2, numpy_rng=rng) [/code] 源代码中的 Y是标签矩阵我想把 X Y 换成我的数据但不知道Y如何设置
Linux-DTS基础
join_sheng: 我可以转载一下吗？
GitHub深度神经网络DBNs有关输入矩阵，标签矩阵，相关参数设置疑问，求指点！！！！！
-阿发: 小弟计算机专业硕士，最近被老师要求看深度学习，刚好用到这个DBN工具，不过我也是机器学习的新手，谈谈我个人对你提出的几个疑问的理解把，希望对你有帮助。疑问1 answer: train_x中的矩阵为60000*784 表明有60000个训练样本，每一个样本提取了784个特征，你的设置没问题。疑问2 answer: train_y中的矩阵为60000*10，说说这个矩阵吧，其实这个测试代码是用来训练手写数字分类器的，数字0-9有10个，因此每一个样本都有10种可能，train_y是和train_x一一对应的，train_y中每个样本的设置要按照train_x中样本所属的类别设置，即将对应类别设为1，其它为0，举例:若train_x中第一个样本为数字5提取的特征，那么train_y中第一个样本设置为0000010000若train_x中第二个样本为数字0的特征，train_y中的第二个样本设置为1000000000。只要保证同一类别的样本在train_y中的设置一致就可以，并且不与其他类别样本设置发生冲突。你的设置也是没问题的。疑问3 answer: dbn.size 代表的是隐含层的结点数，样例代码中的各层结点数为784*100*100*10，分为四层输入层784(特征784)，隐含层100 100 有两个隐含层，通过dbn.size设置。输出层10(数字0-9有10种结果), 通过nn = dbnunfoldtonn(dbn, 10);设置，因此你的输出应该为8个。故应该这样设置nn = dbnunfoldtonn(dbn, 8); 疑问4，5，6，7 .我现在还不是太清楚具体的设置，不过觉得和训练性能、准确度优化有关吧。另外你最后一个疑问: 这个我给你解释一下吧，因为DBN最后一步为有监督的BP神经网络，因此数据集要分为训练集和测试集，顾名思义，训练集是用来训练分类器，测试集用来测试分类器的准确度。因此要对原始数据进行划分，一般的划分是70%训练集 30%测试集。因此，你要将你的424的样本分为训练集和测试集。

最新文章

Linux emmc

关注

关注数：文章数：2 文章阅读量：5280 文章收藏量：12

作者: 北之

山无棱，天地合，才敢与君决

展开