如何在 h2o.deeplearning 中初始化权重？答案

【问题标题】：how to do initialize the weight in h2o.deeplearning?如何在 h2o.deeplearning 中初始化权重？
【发布时间】：2023-04-03 01:08:01
【问题描述】：

我使用h2o.deeplearning 函数在 R 中执行 DNN。

我想为深度神经网络的迭代和性能改进初始化权重。

我知道称重初始化应该是-1和+1之间的小值，而不是大值。

那么，h2o.deeplearning中初始化权重的参数代码是什么？？？以及如何使用它在-1和+1之间进行初始化？？

请帮帮我..！

【问题讨论】：

标签： r neural-network deep-learning h2o

【解决方案1】：

如果我们查看?h2o.deeplearning的文档

initial_weights 用于初始化权重的 H2OFrame id 列表这个模型的矩阵。

这是一个设置权重的示例

library(h2o)
h2o.init()
iris.hex <- as.h2o(iris)
iris.dl <- h2o.deeplearning(x = 1:4, y = 5, training_frame = iris.hex,
    hidden=c(10,10),export_weights_and_biases = TRUE
)
w1 <- h2o.weights(iris.dl,1)
w2 <- h2o.weights(iris.dl,2)
w3 <- h2o.weights(iris.dl,3)
b1 <- h2o.biases(iris.dl,1)
b2 <- h2o.biases(iris.dl,2)
b3 <- h2o.biases(iris.dl,3)

dl <- h2o.deeplearning(1:4,5,iris.hex,hidden=c(10,10),initial_weights=c(w1,w2,w3),
    initial_biases=c(b1,b2,b3))

p1 <- h2o.predict(dl, iris.hex)
p1
#  predict    setosa   versicolor    virginica
#1  setosa 0.9967546 0.0032424531 2.946375e-06
#2  setosa 0.9943469 0.0056346023 1.845851e-05
#3  setosa 0.9990881 0.0009072309 4.663780e-06
#4  setosa 0.9990550 0.0009393998 5.593951e-06
#5  setosa 0.9985592 0.0014391955 1.568052e-06
#6  setosa 0.9966511 0.0033477623 1.121636e-06

#[150 rows x 4 columns]

关于标准化，将由h2o 完成。还要检查here

【讨论】：