Pybrain 简明教程

PyBrain - API & Tools

现在我们知道如何构建网络并训练它了。在本章中,我们将了解如何创建和保存网络,以及在需要时使用网络。

Save and Recover Network

我们将使用 Pybrain 工具中的 NetworkWriter 和 NetworkReader,即:pybrain.tools.customxml。

以下是一个实际示例:

from pybrain.tools.shortcuts import buildNetwork
from pybrain.tools.customxml import NetworkWriter
from pybrain.tools.customxml import NetworkReader

net = buildNetwork(2,1,1)
NetworkWriter.writeToFile(net, 'network.xml')
net = NetworkReader.readFrom('network.xml')

网络保存在 network.xml 中。

NetworkWriter.writeToFile(net, 'network.xml')

要读取所需的 xml,我们可以使用以下代码:

net = NetworkReader.readFrom('network.xml')

下面是创建的 network.xml 文件:

<?xml version="1.0" ?>
<PyBrain>
   <Network class="pybrain.structure.networks.feedforward.FeedForwardNetwork" name="FeedForwardNetwork-8">
      <name val="'FeedForwardNetwork-8'"/>
      <Modules>
         <LinearLayer class="pybrain.structure.modules.linearlayer.LinearLayer" inmodule="True" name="in">
            <name val="'in'"/>
            <dim val="2"/>
         </LinearLayer>

         <LinearLayer class="pybrain.structure.modules.linearlayer.LinearLayer" name="out" outmodule="True">
            <name val="'out'"/>
            <dim val="1"/>
         </LinearLayer>

         <BiasUnit class="pybrain.structure.modules.biasunit.BiasUnit" name="bias">
            <name val="'bias'"/>
         </BiasUnit>

         <SigmoidLayer class="pybrain.structure.modules.sigmoidlayer.SigmoidLayer" name="hidden0">
            <name val="'hidden0'"/>
            <dim val="1"/>
         </SigmoidLayer>
      </Modules>

      <Connections>
         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-6">
            <inmod val="bias"/>
            <outmod val="out"/>
            <Parameters>[1.2441093186965146]</Parameters>
         </FullConnection>

         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-7">
            <inmod val="bias"/>
            <outmod val="hidden0"/>
            <Parameters>[-1.5743530012126412]</Parameters>
         </FullConnection>

         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-4">
            <inmod val="in"/>
            <outmod val="hidden0"/>
            <Parameters>[-0.9429546042034236, -0.09858196752687162]</Parameters>
         </FullConnection>

         <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-5">
            <inmod val="hidden0"/>
            <outmod val="out"/>
            <Parameters>[-0.29205472354634304]</Parameters>
         </FullConnection>
      </Connections>

   </Network>
</PyBrain>

API

以下是本教程中使用的 API 列表。

For Networks

  1. activate(input) - 它采用参数,即要测试的值。它将根据给定的输入返回结果。

  2. activateOnDataset(dataset) - 它将在给定的数据集上进行迭代并返回输出。

  3. addConnection(c) - 添加连接到网络。

  4. addInputModule(m) - 添加给定模块到网络并将其标记为输入模块。

  5. addModule(m) - 添加给定模块到网络。

  6. addOutputModule(m) - 添加模块到网络并将其标记为输出模块。

  7. reset() - 重置模块和网络。

  8. sortModules() - 通过在内部进行排序来准备网络以进行激活。必须在激活前调用它。

For Supervised Datasets

  1. addSample(inp, target) - 添加新输入和目标样本。

  2. splitWithProportion(proportion=0.5) - 将数据集分成两部分,第一部分包含比例部分数据,下一组包含其余部分。

For Trainers

trainUntilConvergence(dataset=None, maxEpochs=None, verbose=None, continueEpochs=10, validationProportion=0.25) - 用于在数据集上训练模块直到它收敛。如果没有给出数据集,它将尝试训练在开始时使用的已训练数据集。