cntk 예제

자습서/예제/폴더에는 파이썬 API, C# 및 브레인스크립트를 사용하는 CNTK 네트워크에 대한 다양한 예제 구성이 포함되어 있습니다. 예제는 주제별로 이미지, 언어 이해, 음성 등으로 구성됩니다. CNTK를 시작하려면 자습서 폴더의 자습서를 권장합니다. 이 MNIST 예제에서는 입력 피처의 크기를 조정하는 간단한 작업을 수행해야 합니다. 회색 축척 픽셀 이미지의 최대 값은 원시 데이터에서 최대 256입니다. 이 크기 조정을 달성하기 위해 모든 값을 1/256 ~ 0.00390으로 곱하는 것이 좋습니다. 하나의 라벨을 부착할 수 있습니다. 예제에는 단일 기능이 입력되어 있지만 두 개의 기능이 있는 경우 어떻게 해야 합니까? hiDim을 2로 설정해야 합니까? 입력에 대한 데이터를 어떻게 정렬해야 합니까? 이 가이드는 정말 도움이, 많은 감사 … 아직 데이터 리더를 파헤쳐야 할 시간이 별로 없었습니다. 지금까지, 내 노력의 대부분은 위의 질문을 해결하기 위해 가능한 방향을 탐구에 갔다. 관심이 있으시면 내 리포지토리의 마스터 분기에 CNTK 팀에서 게시한 C# 예제의 작업, 직선 변환이 포함되어 있습니다.

내 탐구의 결과는 실험 varorfun, 실험 인터프리터 및 실험 스태킹 3 가지에서 찾을 수 있습니다. API에 대해 알아보는 가장 좋은 방법은 [CNTK 복제 루트]/예제 디렉토리에서 다음 예제를 살펴보는 것입니다: 모델에 다른 예제를 공급하여 좀 더 흥미롭게 만들어 보겠습니다: 예를 들어: w1, w2, w3, w4, w5, w6, w7 ,…, w10000은 죄 값을 나타냅니다. 5개의 기능이 있는 데이터 프레임은 다음과 같은 방식으로 생성됩니다. 사이드 노트로, 내 초기 의도는 한 번에 여러 예제를 전달, 마지막 예제에 대한 실제 배치를 사용하는 것이었지만, 내가 아직 알아낼 수없는 이유, 코드는 충돌 유지. 이를 염두에 두고 간단한 선형 회귀인 매우 기본적인 예제를 살펴보겠습니다. 여기에 CNTK를 사용하는 것은 완전한 과잉이며 오버 헤드 가치가 없습니다. 나는 그렇게 간단한 것을 위해 그것을 사용하지 않을 것이다. 여기서 우리의 목표는 단순히 F #에서 CNTK의 작동 방식의 기본을 설명하는 것입니다. 향후 게시물에서는 CNTK가 실제로 유용한 시나리오를 살펴보겠습니다. 보조 목표로서 현재 .NET 을 기반으로 멋진 F# API를 구축하는 몇 가지 측면에 대해 논의하고 싶습니다. 교육 중에 학습 속도와 같은 최적화 변수를 변경하려는 경우가 많습니다. 이는 최적의 솔루션에 대한 수렴에 도움이 될 수 있으며, 학습 속도는 종종 시대의 수가 증가함에 따라 감소할 수 있습니다 ( 예를 들어, 그라데이션 하강 단계에 있는 단계 크기를 줄이는 경우(그라데이션 하강에 대한 자세한 내용은 신경망 자습서 참조).

learning_rate_schedule() 개체를 사용하여 이러한 학습 속도 일정을 설정할 수 있습니다. 이 개체를 사용하면 처음 1,000개 샘플에 대해 0.1의 학습 률을 선택한 다음 다음 1,000개 샘플에 대해 0.01의 학습 률을 선택한 다음 나머지 모든 샘플에 대해 0.001을 선택할 수 있습니다. 이렇게 하려면 다음 코드를 사용하여 learning_rate_schedule()를 만듭니다.

Por
agosto 2, 2019