3

我正在尝试使用 DeepLearning4J 0.7 训练受限玻尔兹曼机 (RBM)，但没有成功。我发现的所有示例要么没有做任何有用的事情，要么不再适用于 DeepLearning4J 0.7。

我需要用对比度散度训练单个 RBM，然后计算重建误差。

这是我到目前为止所拥有的：

import org.nd4j.linalg.factory.Nd4j;
import org.deeplearning4j.datasets.fetchers.MnistDataFetcher;
import org.deeplearning4j.nn.conf.layers.RBM;
import org.deeplearning4j.nn.api.Layer;
import static org.deeplearning4j.nn.conf.layers.RBM.VisibleUnit;
import static org.deeplearning4j.nn.conf.layers.RBM.HiddenUnit;
import org.deeplearning4j.optimize.api.IterationListener;
import org.deeplearning4j.datasets.iterator.impl.MnistDataSetIterator;
import org.deeplearning4j.eval.Evaluation;
import org.deeplearning4j.nn.api.OptimizationAlgorithm;
import org.deeplearning4j.nn.conf.MultiLayerConfiguration;
import org.deeplearning4j.nn.conf.NeuralNetConfiguration;
import org.deeplearning4j.nn.conf.Updater;
import org.deeplearning4j.nn.multilayer.MultiLayerNetwork;
import org.deeplearning4j.nn.weights.WeightInit;
import org.deeplearning4j.optimize.listeners.ScoreIterationListener;
import org.nd4j.linalg.dataset.DataSet;
import org.nd4j.linalg.dataset.api.iterator.DataSetIterator;
import org.nd4j.linalg.lossfunctions.LossFunctions;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.nd4j.linalg.api.ndarray.INDArray;

public class experiment3 {
    private static final Logger log = LoggerFactory.getLogger(experiment3.class);

    public static void main(String[] args) throws Exception {
        DataSetIterator mnistTrain = new MnistDataSetIterator(100, 60000, true);

        MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
            .regularization(false)
            .iterations(1)
            .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
            .list()
            .layer(0, new RBM.Builder()
                    .nIn(784).nOut(500)
                    .weightInit(WeightInit.XAVIER)
                    .lossFunction(LossFunctions.LossFunction.RECONSTRUCTION_CROSSENTROPY)
                    .updater(Updater.NESTEROVS)
                    .learningRate(0.1)
                    .momentum(0.9)
                    .k(1)
                    .build())
            .pretrain(true).backprop(false)
            .build();

        MultiLayerNetwork model = new MultiLayerNetwork(conf);
        model.init();
        model.setListeners(new ScoreIterationListener(600));

        for(int i = 0; i < 50; i++) {
            model.fit(mnistTrain);
        }
    }
}

它在每个时期编译并打印一些分数，但是当分数应该减少时，分数会增加，我还没有找到任何重建的方法。

我尝试使用重建函数并计算距离：

        while(mnistTrain.hasNext()){
            DataSet next = mnistTrain.next();
            INDArray in = next.getFeatureMatrix();
            INDArray out = model.reconstruct(in, 1); // tried with 0 but arrayindexoutofbounds

            log.info("distance(1):" + in.distance1(out));
        }

但是即使模型没有针对单个 epoch 进行过训练，每个元素的距离也始终为 0.0，这是不可能的。

这是训练 RBM 的正确方法吗？如何使用单个 RBM 重建输入？

4

3 回答 3

1

我已经在项目的 Gitter 频道上与 Adam Gibson（作者）就这个问题进行了交谈。他说他们实际上已经放弃了对 RBM 的支持，除了代码库，所以任何类型的 RBM 错误都可能发生并且不会被修复。

他们放弃它的原因是因为 RBM 在很大程度上已被 VAE（变分自动编码器）取代，所以他们推动人们使用它。

于 2017-08-26T09:47:31.783 回答
1

删除 RBM 或其他类型的 NN 意味着 DL4J 不支持所有深度学习用例。不幸的是，DL4J 不是一个完整的 DL 库，更不用说与许多 Python 替代品相比缺乏文档了。

于 2018-03-19T18:54:46.553 回答
1

我意识到这个问题很老了，但最近的活动在我的流程中揭示了它。我只想说我最近在 DL4j 中一直在使用 RBM，包括单层和多层。它们可能不受官方支持，但它们可以工作。我也偶然发现reconstruct。要测试模型，您应该使用output, 就像在 FF 网络中一样。在你的情况下，我认为它会是：

INDArray in = next.getFeatureMatrix();
INDArray out = model.output(in);

几个补充：

我正在使用 0.9.1

于 2018-03-20T07:03:06.567 回答