Próbuję użyć PyBrain dla niektórych prostych szkoleń NN. Nie wiem, jak to zrobić, aby załadować dane treningowe z pliku. Nie jest wyjaśnione na ich stronie internetowej w dowolnym miejscu. Nie obchodzi mnie format, ponieważ mogę go teraz zbudować, ale muszę to zrobić w pliku, zamiast ręcznie dodawać kolejne wiersze, ponieważ będę miał kilkaset wierszy.Jak załadować dane treningowe w PyBrain?
Oto jak to zrobiłem:
ds = SupervisedDataSet(6,3)
tf = open('mycsvfile.csv','r')
for line in tf.readlines():
data = [float(x) for x in line.strip().split(',') if x != '']
indata = tuple(data[:6])
outdata = tuple(data[6:])
ds.addSample(indata,outdata)
n = buildNetwork(ds.indim,8,8,ds.outdim,recurrent=True)
t = BackpropTrainer(n,learningrate=0.01,momentum=0.5,verbose=True)
t.trainOnDataset(ds,1000)
t.testOnData(verbose=True)
W tym przypadku sieć neuronowa ma 6 wejść i 3 wyjścia. Plik csv ma 9 wartości w każdym wierszu oddzielonych przecinkami. Pierwsze 6 wartości to wartości wejściowe, a ostatnie trzy są wyjściami.
, to świetnie, dziękuję bardzo. Czy wiesz, jak uzyskać dostęp do wartości ciężaru dla każdego neuronu? –
Możesz uzyskać dostęp do poszczególnych warstw w następujący sposób: n ['in'] dla warstwy wejściowej i n ['out'] dla wyjścia lub n ['hidden0'] dla pierwszej ukrytej warstwy. Nie wiem, ale zgaduję, że możesz wtedy uzyskać dostęp do węzłów warstwy w jakiś sposób. dir (n ['in']) powinien dać ci wskazówkę co możesz zrobić – c0m4
Nie mogę znaleźć, jak to zrobić. Zrobię nowe pytanie. Dziękuję za pomoc. –
po prostu użyć tablic pandy w ten sposób
import pandas as pd
ds = SupervisedDataSet(6,3)
dataset = pd.read_csv('mycsvfile.csv','r', delimiter=',',skiprows=1)
ds.setfield('input' dataset.values[:,0:6])
ds.setfield('target', dataset.values[:,-2:-1])
i jesteś dobry, aby przejść.
Kilkaset wierszy oznacza, że masz bardzo mały zestaw i nie należy martwić się o wydajność. Ale czy PyBrain nie akceptuje tylko tablic NumPy? –
Nie wiem, dopiero zaczynam go używać, ale nigdzie nie mówią, jak używać tablic NumPy z ich NN:/ –