问题标签 [fann]

使用FANN库我得到了不可预测的结果。培训文件：

训练数据量可能不够（44 个用于一个所需的输出），但我只有 3 个输出可以区分。执行 ：

我输入了训练网络的数据并得到：

我是使用 FANN 的新手，我正在尝试使用 python 绑定来访问它。

该文件如下所示：

等5352输入。

但是当我运行它时，它会在 5 秒内完成并打印以下内容：

有人可以给我一个提示可能会出现什么问题吗？

我有：5.20981e-315、5.201e-315、5.19371e-315、5.18769e-315、5.18269e-315、5.1786e-315。

我做错了什么？

我尝试将 FANN Lib（用 C 编写的神经网络）中的一些代码移植到 SSE2。但是 SSE2 的性能比普通代码差。使用我的 SSE2 实现运行一次运行需要 5.50 分钟而不需要 5.20 分钟。

SSE2 怎么会比正常运行慢？_mm_set_ps会不会是因为 我使用 Apple LLVM 编译器 (XCode 4) 编译代码（所有 SSE 扩展标志都打开，优化级别为-Os）。

没有 SSE2 的代码

SSE2 代码

我的默认语言环境是“es_ES”，所以“，”是小数点。这是我的代码。在文件“dupa.txt”中是一个数字“1.0344”，它可以正常工作。然而，在代码的更深处，我正在使用 fann 库，它在 g++ 中通过“-ldoublefann”链接并从文件中读取一些数据，并且在这个库中仅适用于“，”。

我对神经网络完全没有经验，现在我只是在玩 FANN 库来学习它们。所以目标是训练网络逼近正弦函数。为此，我使用 3 层 NN 1 个输入、3 个隐藏和 1 个输出神经元。代码是

但是，我得到的结果与真正的正弦函数无关。我想我的网络设计中存在一些基本错误。

我在我的 Ubuntu 11.10 上安装 libfunn，当我从“示例”目录运行示例时出现错误。

编译：

gcc simple_train.c -o simple_train -lfann -lm

执行时：

./simple_train

最大时期 500000。期望的错误：0.0010000000。

./simple_train：符号查找错误：/usr/local/lib/libfann.so.2：未定义符号：exp

如何修复？

谢谢

我正在使用 FANN 库训练一个神经网络，我发现这个库非常令人印象深刻。问题是当我尝试“导出”（手动）权重和网络的形成以便我可以在 Matlab 中模拟它时出现问题......虽然 FANN 告诉我我的 mse 为 4-5%当我尝试在 matlab 中模拟它时，它大约是 80%！

我相信当我尝试从保存的文件中翻译/映射网络的属性时，我遗漏了一些东西。有人可以看看，请帮助我吗？

fann 生成的已保存的 .net 文件、我放入权重的 .xls 文件以及 matlab 脚本（如果您想测试它）都在这里：http ://users.isc.tuc.gr/~spapagrigoriou /网络/。

我正在尝试使用 ctypes 在 python3 中使用fann（用 C 编写的神经网络库）。到目前为止，这是我的删节代码：

如果我尝试针对 nn 变量（现在应该是 fann 神经网络）调用 fann 库中的任何其他函数，我会得到Segmentation fault: 11或AttributeError: 'int' object has no attribute 'getMSE'（例如）。我认为我的问题是，根据 ctypes 文档，变量 nn 最终是一个 int，而函数 fann_create_from_file 的 fann 文档指出：

所以我想我需要声明：

然后做：

我的问题是我找不到 struct FANN_API 应该是什么。fann.h 的第 130 行指出，仅#define FANN_API此而已，没有定义或任何内容。

我对需要定义结构的猜测是否正确？如果是这样，那么我怎样才能找出它在 python 代码中声明的格式？如果没有，那么任何人都可以建议我可能需要做什么/阅读什么来让我的代码工作吗？

谢谢！

我有许多记录，我试图根据其他字段预测一个字段。我在 Python 下建立了一个 FANN 神经网络，有大约 10 个输入、100 个隐藏节点和 2 个输出。

当我去构建网络时，有 1000 多条记录，它们在几千个 epoch 内下降到大约 60 的误差，但没有进一步下降；通常报告的错误与前一个错误的最后一位相同。

当我去测试它时，我预计相关性很弱，但它预测了每条测试数据的相同结果。

现在这种行为是因为我没有正确使用 FANN（我希望如此），还是因为我在 FANN 不是特别有用的问题空间中工作？

ATdhvaankcse，