[PYTHON] Persister le réseau de neurones construit avec PyBrain

Une histoire où vous voulez créer un réseau de neurones avec la bibliothèque d'apprentissage automatique PyBrain et le rendre persistant avec S3 etc.

Utilisez du cornichon

En utilisant le module de sérialisation standard de python pickle, à première vue, le réseau neuronal est sauvegardé et restauré, et vous pouvez également ʻactivate ()pour unpickle.load () ʻobject correctement`.

Cependant, j'étais accro au problème que l'apprentissage par BackpropTrainer.train () etc. n'a pas été redémarré. Le comportement détaillé du cornichon est inconnu et la cause n'a pas été étudiée.

Utiliser NetworkWriter

Utiliser NetworkWriter, qui est fourni comme un utilitaire de PyBrain, résout le problème ci-dessus et reprend l'apprentissage. C'est facile à utiliser, donc je pense que c'est bien.

importer

python

from pybrain.tools.customxml import NetworkWriter, NetworkReader

Exportation

python

NetworkWriter.writeToFile(network, filename_local)

Lis

python

network = NetworkReader.readFrom(filename_local)

Le fichier est enregistré au format XML, et je peux comprendre qu'il est neuronal, et qu'il est un peu plus sécurisé que le format «pickle».

python

<?xml version="1.0" ?>
<PyBrain>
        <Network class="pybrain.structure.networks.feedforward.FeedForwardNetwork" name="FeedForwardNetwork-8">
                <name val="u'FeedForwardNetwork-8'"/>
                <Modules>
                        <LinearLayer class="pybrain.structure.modules.linearlayer.LinearLayer" inmodule="True" name="in">
                                <dim val="8"/>
                                <name val="'in'"/>
                        </LinearLayer>
                        <LinearLayer class="pybrain.structure.modules.linearlayer.LinearLayer" name="out" outmodule="True">
                                <dim val="1"/>
                                <name val="'out'"/>
                        </LinearLayer>
                        <BiasUnit class="pybrain.structure.modules.biasunit.BiasUnit" name="bias">
                                <name val="'bias'"/>
                        </BiasUnit>
                        <SigmoidLayer class="pybrain.structure.modules.sigmoidlayer.SigmoidLayer" name="hidden0">
                                <dim val="3"/>
                                <name val="'hidden0'"/>
                        </SigmoidLayer>
                </Modules>
                <Connections>
                        <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-6">
                                <inmod val="bias"/>
                                <outmod val="out"/>
                                <Parameters>[0.6554487520957738]</Parameters>
                        </FullConnection>
                        <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-7">
                                <inmod val="bias"/>
                                <outmod val="hidden0"/>
                                <Parameters>[0.8141201069100833, -1.9519540651889176, 0.3483014480876096]</Parameters>
                        </FullConnection>
                        <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-5">
                                <inmod val="in"/>
                                <outmod val="hidden0"/>
                                <Parameters>[0.32489279837910084, 0.34480786433574551, 0.75045803824057666, -0.58411948692771176, -0.12327324616272992, -0.41228675759787226, -0.85553671683893218, -1.3320521945223582, -1.0531422952418676, -0.40839301403900452, -2.7565756871565674, -1.6723188687051469, -1.3597994054921079, 0.24852450267525059, -0.40924881241151689, 0.54037857219934371, 1.0960673042273468, 1.3324258379470664, 0.29047259837334116, -0.022417631256966383, 0.44571376571760984, 0.6492450404233816, -0.29105564158278247, 1.2243353023571237]</Parameters>
                        </FullConnection>
                        <FullConnection class="pybrain.structure.connections.full.FullConnection" name="FullConnection-4">
                                <inmod val="hidden0"/>
                                <outmod val="out"/>
                                <Parameters>[0.25616738836523284, -2.2028123481048487, -0.11026881677981226]</Parameters>
                        </FullConnection>
                </Connections>
        </Network>
</PyBrain>