问题标签 [pybrain]

我已经在 PyBrain 上训练了一个用于分类的网络，并准备好使用特定的输入来启动。但是，当我这样做时

正如预期的那样，我得到了“输出”的数值，但是有没有办法直接确定预测的类标签？即使没有，我如何将“输出”的值映射到我的类标签？谢谢您的帮助。

我想知道是否有办法使用我的 GPU 来加速 PyBrain 中的网络训练。

SupervisedDataSet假设我们已经使用 Pybrain 的和buildNetwork函数构建了一个前馈网络。该架构可以是 10、5、2：10 个输入节点，单个隐藏层中的 5 个隐藏节点和 2 个输出节点。

在检查具有上述架构的训练网络时，我们如何解释输出数组conn.params？检查上述架构的输出将在输入和隐藏层之间产生 50 个连接/权重。我有兴趣知道哪些输入与最强的连接相关联。具体来说，假设返回的前 5 个数组元素与输入层的第一个节点和 5 个隐藏层节点之间的连接相关联是否安全？

在过去的一个小时里，我没有通过逆向工程 Pybrain 获得任何见解。

所以，我会让它变得简单。

Pybrain 的 API 显示，作为示例，它们有一个名为buildNetwork(). 它说它在 中pybrain.tools.shortcut.buildNetwork，如果这有意义吗？

问题是，.shortcut不存在。我对使用 API 很陌生，但在我看来，这个功能甚至不存在。

帮助？

所以，PyBrain 看起来肯定有很多很棒的工具和功能可供使用。可悲的是，它的文档/“教程”是……非常…………弱？并且很难确定如何做一个人想做的事。

有没有更好地学习 PyBrain 的 API 的资源？还是这一切都只是试错学习？

先感谢您....

所以，我正在做一个 Pybrain 类型的项目，我被困在其中的一部分上。到目前为止，该程序接受一个元组并使用其中一个花哨的vars()['string']语句为其分配一个变量。具体来说，它接收一个数字元组并将其分配给一个 ' layerx' 值，其中x是层的编号（按顺序，第 1、2、3 层等），这样数字就是该层的维度。

我拼命和谦卑地向您寻求帮助的程序部分是该程序的下一步应该是什么；它接受一个元组的元组（元组的数量必须=层的数量），并且元组包含1/0。

它应该确定在哪个层中使用哪种类型的 Pybrain 层，然后插入该层的维度值，并从本质上创建该层变量。我已经......玩了一段时间，我得到了一个非常......扭曲......令人困惑的代码块。

请原谅令人费解的变量名称，我认为通过使它们有些具体，我很聪明：

老实说，我不知道里面发生了什么。一开始的元组“ moduleconfig”应该是一个带有二元运算符的元组（嵌套元组），它应该在其中一个元组有 1 时停止，将该运算符与 Pybrain 中的正确模块匹配，然后插入这在所以相应的层=已经列出了尺寸的那个模块。

很明显，出了什么大问题，而且已经太远了，以至于我的大脑无法理解它……它失去了所有的理由，每次我看到它我都会害怕……请帮助我或告诉我我创造了一个可憎之类的东西，我猜...

所以我正在用 Python 制作一个类，它只使用它给出的数字输入来创建一个网络（使用 pybrain）{只是在 Pybrain 的 API 中让我的脚湿透的一个小过程}。

我的问题是，我对范围在类中的工作方式相当不熟悉，虽然我基本上已经正确设置了程序，但它一直返回一个 keyerror。

所有需要作用的变量都在init函数中创建；我正在为该类工作的方法试图调用一个变量，该变量在init函数中使用 Python 中的 vars()[] 方法声明。（您实际上可以在此处看到代码的一部分……草稿： Matching Binary operator in Tuples to Dictionary Items

无论如何，方法是：

（请原谅错误的间距，它没有很好地复制和粘贴。）引发 KeyError 的部分是“print vars()[self.CONNECT+str(1)]，它应该检索变量的值” Connection1" (self.CONNECT = 'Connection')，但调用了 keyerror。

我如何让变量转移过来？如果您需要更多信息来帮助您询问，我会尽量缩短问题。

有没有一种好方法可以在完全连接的 PyBrain 网络中添加/删除神经元及其相关连接？说我开始：

我将如何使它成为（2,4,1）或（2,2,1）网络，同时保持所有旧权重（并将任何新权重初始化为随机的，就像在初始化网络时所做的那样）？我想这样做的原因是因为我正在尝试使用进化学习策略来确定最佳架构，并且“突变”步骤涉及以一定的概率添加/删除节点。（输入和输出模块应始终保持不变。）

编辑：我发现 NeuronDecomposableNetwork 应该使这更容易，但似乎我仍然必须分别跟踪神经元和连接。

我怎样才能使 NN 使得某些输入变量比其他变量“更重要”。例如，假设我的输入层有 2 个神经元，我想强调输入一个是 70% 重要，而另一个只有 30%，因为尽管从公式上讲它们测量的是相同的东西，但第一个对最终结果的贡献比其他的要多。像称重样本之类的东西，只是我想在全球范围内权衡各个输入。

这甚至可能/有意义吗？

我试图在 PyBrain 中实现类似于迷宫问题的东西。但是，它更类似于带有紧急出口的房间，您可以将代理人留在其中一个房间中以找到出口。要将其转换为计算机方法，可以使用双向图，权重显示房间之间的路径。

我试图实现一个新环境，但我有点迷失了应该是什么。例如，基于抽象环境类我想到了这个：

真挚地，