PyBrain - API 和工具

現在我們知道如何構建網路並對其進行訓練。在本章中，我們將瞭解如何建立和儲存網路，並在需要時使用網路。

儲存和恢復網路

我們將使用 Pybrain 工具中的 NetworkWriter 和 NetworkReader，即 pybrain.tools.customxml。

以下是一個工作示例：

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')

網路儲存在 network.xml 中。

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

在需要時讀取 xml，我們可以使用以下程式碼：

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

這是建立的 network.xml 檔案：

<?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

以下是我們在本教程中使用的 API 列表。

用於網路

activate(input) - 它接受引數，即要測試的值。它將根據給定的輸入返回結果。
activateOnDataset(dataset) - 它將迭代給定的資料集並返回輸出。
addConnection(c) - 將連線新增到網路。
addInputModule(m) - 將給定的模組新增到網路並將其標記為輸入模組。
addModule(m) - 將給定的模組新增到網路。
addOutputModule(m) - 將模組新增到網路並將其標記為輸出模組。
reset() - 重置模組和網路。
sortModules() - 它透過內部排序來準備網路進行啟用。必須在啟用之前呼叫它。

用於監督資料集

addSample(inp, target) - 新增一個新的輸入和目標樣本。
splitWithProportion(proportion=0.5) - 將資料集分成兩部分，第一部分包含比例部分資料，下一部分包含剩餘資料。

用於訓練器

trainUntilConvergence(dataset=None, maxEpochs=None, verbose=None, continueEpochs=10, validationProportion=0.25) - 用於在模組收斂之前在資料集上訓練它。如果未給出資料集，它將嘗試在開始時使用的訓練資料集上進行訓練。

列印頁面