Mạng thần kinh chuyển đổi trong R

8

Tôi không thấy gói để thực hiện Mạng thần kinh chuyển đổi trong R. Có ai đã triển khai loại thuật toán này trong R chưa?

r convnet software-recommendation

— Hack-R
nguồn

đừng nghĩ như vậy, ngay cả khi nó được thực hiện, nó có thể sẽ thiếu hỗ trợ cho việc sử dụng. Tôi sẽ đề xuất Tensorflow hoặc Skflow cho python, caffe cho C ++ hoặc caffe trên spark cho Apache Spark.

— GameOfThrow

@GameOfThrows Cảm ơn, tôi nghĩ bạn đúng. Tôi sử dụng Tensorflow và Caffe nhưng tôi chỉ muốn sử dụng R.

— Hack-R

3

Tôi đoán không có gói cho cnn nhưng bạn có thể viết lớp chập của riêng bạn. mxnet hoặc h2o sẽ hữu ích cho nó.

kiểm tra này

http://dmlc.ml/rstats/2015/11/03/training-deep-net-with-R.html

— đá bạc
nguồn

3

Hai gói sau đây có sẵn trong R để đào tạo mạng lưới thần kinh sâu:

darch : Gói dành cho Kiến trúc sâu và Máy Boltzmann bị hạn chế. Gói darch được xây dựng trên cơ sở mã từ GE Hinton và RR Salakhutdinov (có sẵn theo Mã Matlab cho mạng lưới niềm tin sâu sắc). Gói này dành cho việc tạo các mạng nơ-ron với nhiều lớp (kiến trúc sâu), huấn luyện chúng và tinh chỉnh với các thuật toán đào tạo phổ biến đã biết như backpropagation hoặc gradient liên hợp. Ngoài ra, tinh chỉnh có giám sát có thể được tăng cường với tối đa và bỏ học, hai kỹ thuật được phát triển gần đây để cải thiện tinh chỉnh cho việc học sâu. Liên kết CRAN: http://cran.um.ac.ir/web/packages/darch/index.html
deepnet : bộ công cụ học tập sâu trong R. Thực hiện một số kiến trúc học sâu và thuật toán mạng thần kinh, bao gồm BP, RBM, DBN, bộ tự động sâu, v.v. Liên kết CRAN: https://cran.r-project.org/web/packages/deepnet/index.html

— Sandeep S. Sandhu
nguồn

Cảm ơn câu trả lời của bạn. Tôi đã sử dụng cả hai và không nghĩ rằng họ cung cấp thuật toán CNN? Tôi chỉ tìm kiếm tài liệu cho cả hai cho từ chập và không có gì xuất hiện. Họ có thực sự có chức năng này?

— Hack-R

2

Tôi nghĩ mxnet là một trong những lựa chọn tốt nhất nếu bạn viết mã trong R. Họ có trình bao bọc R nhưng cốt lõi là trong C ++.

Họ có một vài ví dụ trên web. Một trong số đó là nhận dạng ký tự với cơ sở dữ liệu MNIST. Họ có hỗ trợ cho đa gpus và Spark.

— hoaphumanoid
nguồn

Vâng, cũng RNN, LSTM. Họ có nhiều ví dụ trong github của họ

— hoaphumanoid

À, vâng cảm ơn. Tôi đã sử dụng mxnet để phân loại hình ảnh nhưng không nghĩ rằng nó có thuật toán CNN giống nhau. Tôi thấy một ví dụ phân loại văn bản CNN. Tôi có lẽ nên chỉ định phân loại hình ảnh. Tuy nhiên, có lẽ nó có thể được tận dụng như vậy. Tôi sẽ nhìn vào nó. Cảm ơn! +1

— Hack-R

0

Gói MXNetR là một giao diện của thư viện MXNet được viết bằng C ++. Nó chứa các mạng thần kinh chuyển tiếp thức ăn và mạng thần kinh tích chập (CNN) (MXNetR 2016a).

https://www.is.uni-freiburg.de/resource/r-oeffentlicher-zugriff/deep-learning-in-r/deep-learning-in-r-en?set_lingu=en

— skan
nguồn

0

Dòng chảy cho R có sẵn.
Nó cung cấp truy cập vào Tensorflow API , các API Keras , và Tensorflow ước lượng .
Cài đặt Tensorflow (trích đoạn bên dưới) -> https://tensorflow.rstudio.com/tensorflow/

Cài đặt

Để bắt đầu, hãy cài đặt gói R căng thẳng từ GitHub như sau:
devtools::install_github("rstudio/tensorflow")
Sau đó, sử dụng hàm install_tensorflow () để cài đặt TensorFlow:
library(tensorflow)
install_tensorflow() 
Bạn có thể xác nhận rằng việc cài đặt đã thành công với:
sess = tf$Session() hello <- tf$constant('Hello, TensorFlow!')
sess$run(hello) 
Điều này sẽ cung cấp cho bạn một bản cài đặt mặc định của TensorFlow phù hợp để bắt đầu với gói R căng thẳng. Xem bài viết về cài đặt để tìm hiểu về các tùy chọn nâng cao hơn, bao gồm cài đặt phiên bản TensorFlow tận dụng GPU Nvidia nếu bạn đã cài đặt thư viện CUDA chính xác.

— Adrian Torrie
nguồn