"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 73

新评论
 
yu-sha:

预处理程序正是为了这个目的

无论你有2个还是100个神经元，文件看起来都一样。

好吧，没有人阻止你用图形来做 - 只要写一个GUI并使用它。

好吧，我们不要砍掉肩膀，让我们用清晰的线条把它摆出来。这并不是说对其他人也一样，但对我来说，我上面阐述的加载方式在加载算法上是很明显的。

读取一个字符串，初始化3个层类型对象。

我们读取第一行，然后调用第一层对象，构建层类型输入，初始化 2个神经元阵列。

读取第二行，然后调用第二个对象层，构建层类型mlp，初始化2个神经元的数组。

读取第三行，然后调用第二层对象，构建mlp层类型，初始化神经元阵列为1。

由于层数为3，我们在第三条线上完成构建，并分配连接。

要做到这一点，我们通过表并调用所需的神经元，如果表包含1，则告诉它们链接。

该算法在xml中如何工作？

ZS和主要的优点是，由于连接表是二进制的，所以它是完全可绑定的。 8个神经元的表适合于一个ulong。诚然，一般来说，进入森林越远的游击队越厚实，有大量神经元的尺寸计算为

X=N*N/8

其中N是神经元的数量。

X是字节数。

 

劣势

  • XML语法是多余的。[8]
  • 一个XML文档的大小明显大于相同数据的二进制表示。在粗略的估计中，这个系数的值被认为是1个数量级（10的系数）。
  • XML文档的大小明显大于其他基于文本的数据传输格式（如JSON[4]、YAML、协议缓冲区）的文档，尤其是为特定使用情况优化的数据格式。
  • XML冗余会影响应用程序的效率。储存、处理和传输数据的成本增加。
  • XML包含元数据（关于字段名、类名、结构嵌套），同时，XML被定位为一种开放的系统通信语言。当在系统之间传输大量相同类型（相同结构）的对象时，重复传输元数据是没有意义的，尽管它包含在XML描述的每个实例中。
  • 对于大量的任务，你不需要XML语法的全部力量，可以使用更简单、更有效的解决方案。

对剽窃行为表示歉意。
 

我建议将XML作为存储配置、网络、设置的标准。

而且只在初始化/存储阶段需要。

在工作流程的过程中，甚至在学习过程中，不存在XML的问题

她.人。
对剽窃行为表示歉意。

是的，但由于某些原因，像甲骨文、微软这样的怪兽......。咬紧牙关把他们的 "二进制"（通常是商业）标准推开，转而采用开放标准

减去10MBytes的XML对现代计算机来说是没有问题的

100MBytes的MS Word .docx文件并不令人生畏？

如果问题是从XML文件中下载一个网络，那么在这样的硬件上进行训练是根本不现实的--任务的复杂性是不可比拟的。

 
yu-sha:

我建议将XML作为存储配置、网络、设置的标准。

而且只在初始化/存储阶段需要。

在工作流程的过程中，甚至在学习阶段更是如此，这不是关于XML

考虑一下：你的文件在xml中是916字节，在二进制表示中是64字节，即使你不点击头。

7个标题变量+每个表1个=8个ulong*8字节=64个

 
Urain。

看，你的xml文件是916字节，而二进制表示是64字节，即使你不点击头。

7个标题变量+每个表1个=8个ulong*8字节=64个


为了打开论坛的这个页面，我在互联网上至少抽了一百多KB。

现在是2012年，我已经很久没有使用字节 这样的测量单位了）)

P.S.

我只是提出了我的方法--由公众来决定。

 
于 莎。

我建议将XML作为存储配置、网络、设置的标准。

而且只在初始化/存储阶段需要。

在工作流程的过程中，甚至在培训的过程中，这与XML无关。

为了优化网络结构，有必要（临时）改变神经元和连接的数量。

有可能做到这一点吗？

如果你不介意，请对你的代码进行评论，如果没有任何评论，要理解别人的代码可能需要太长时间。谢谢你。

 
her.human:

为了优化网络的结构，有必要（即时）改变神经元和连接的数量。

是否有可能做到这一点？

如果不难，请对你的代码进行评论，你知道，没有评论的话，理解别人的代码需要太长时间。谢谢你。

这是一个培训问题。潜在地，这是可能的，但我还没有在实践中使用。

通常，在学习过程中，网络结构不会发生变化--只有适应性参数会发生变化。

你对问题的定义已经是一个元水平了，要训练一个架构师来改变网络结构，这样产生的网络在学习上会比别人更成功。

代码 "按原样 "发布--为我自己做的，像往常一样，很匆忙，所以请原谅我。

从好的方面来说，在整个项目 完成后，那里的一切都应该由骨头来重建。

 
yu-sha:

我下载了至少一百个字节来打开论坛的这个页面。

现在是2012年，我已经很久没有使用字节 这样的测量单位了）)

P.S.

我只是提供了我的版本--由公众来决定。

让我们做一个实验，为1000个神经元创建一个xml加载器，每个神经元有100个链接，并公布文件大小，结构随便你。

我可以直接用膝盖计算出我的变体有多少空间，1000*1000/8=~125KB，而你的不能，所以我无法比较...

如果你的版本会有可接受的尺寸，为什么不呢。

 
Urain。

不是这个问题，内存，在GPU上将很难实现对象逻辑的扭曲，我有一个相当好的想法，如何实现NS，作为一个复杂的对象的互动，其中有GPU计算的功能（这是关于微观层面），但我无法想象这个复杂的对象代码那些整个NS如何滑到GPU作为几个FF的不同集权（宏观层面）？

这个问题是反问句，尽管如果有人提出，我不介意听听。

这就是为什么选择了CUDA而不是更常见的OpenCL的原因。

CUDA代码是面向对象的，你可以通过比特传递在CPU上生成的一个对象

有一些微妙的问题，但都可以得到解决

 
yu-sha:

这就是为什么选择CUDA而不是更常见的OpenCL的原因。

CUDA中的代码是面向对象的，你可以将CPU上形成的对象进行比特传递

有一些微妙的问题，但所有这些问题都可以得到解决

我不是这方面的专家，我相信你，这将是好事。
1...666768697071727374757677787980...100
新评论