[PYTHON] Verwenden Sie das Cognitive Took Kit (CNTK) mit dem Keras-Backend

CNTK Version 2.1

CNTK ist auch Version 2.1. Das Merkmal der Verbesserungen in Bezug auf 2.1 ist, dass Deeprl als Rahmen für das Verbesserungslernen bereitgestellt wird. Eine Referenz finden Sie unter dem folgenden Link. Es scheint, dass neben Deep Q-Learning eine gewisse Logik implementiert ist. •cntk.contrib.deeprl.agent.agent module •cntk.contrib.deeprl.agent.agent_factory module •cntk.contrib.deeprl.agent.policy_gradient module •cntk.contrib.deeprl.agent.qlearning module •cntk.contrib.deeprl.agent.random_agent module •cntk.contrib.deeprl.agent.tabular_qlearning module Obwohl es seit 2.0 unterstützt wird, wird seine Verwendung erweitert, da es als Back-End für Keras verwendet werden kann.

Keras Beispiel

Ich möchte [Verwenden von Keras und Deep Q-Network zum Spielen von Flappy Bird] als Beispiel für Keras vorstellen. Ursprünglich von Keras erstellt, handelt es sich um ein erweitertes Lernbeispiel, das jedoch auf CNTK portiert wurde. Der Code wird in cntk / Examples / ReinforcementLearning / FlappingBirdWithKeras veröffentlicht. Bewegen wir die Probe. Da das Installationssetup von CNTK das gleiche ist wie in der RC-Ära, [dieser Artikel](https://analyticsai.wordpress.com/2017/04/04/cntk2-0b15%e3%82%a4%e3%83%b3 Siehe% e3% 82% b9% e3% 83% 88% e3% 83% bc% e3% 83% ab /).

Keras können über die Befehlszeile installiert werden, die cntk unten aktiviert (es ist besser, auf die neueste Version zu aktualisieren. Wenn Sie es bereits installiert haben, sollten Sie die Option -U hinzufügen).

pip install keras

Erstellen Sie außerdem eine Konfigurationsdatei ~ / .keras / keras.json. Unter Windows ist dies C: \ Benutzer \ \ .keras.json. Der Inhalt der Datei ist wie folgt.

{ "epsilon": 1e-07, "image_data_format": "channels_last", "backend": "cntk", "floatx": "float32" }

Mit den oben genannten können Keras betrieben werden. Sie können den Vorgang unten überprüfen.

・ Im Falle eines GPU-Betriebs (es dauert eine schreckliche Zeit ohne GPU) https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py

・ Wenn die GPU nicht enthalten ist https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py Ich finde es gut. Installieren Sie dann die Flapping Bird-Abhängigkeiten

pip install pygame conda install scikit-learn conda install scikit-image

In diesem Zustand kann es sowohl unter Windows als auch unter Linux ausgeführt werden. Da es auf einer GPU ausgeführt wird, können Sie auch einen Hochgeschwindigkeitsbetrieb erwarten.

Läuft unter Ubuntu 16.04 LTS

CNTK ist auch 2.1 und verschiedene Teile wurden verstärkt. Die Entwicklung des Bereichs des verbesserten Lernens wird in Zukunft erwartet.