R Package Deepnet：训练和测试 MNIST 数据集答案

【问题标题】：R Package Deepnet: Training and Testing the MNIST datasetR Package Deepnet：训练和测试 MNIST 数据集
【发布时间】：2015-04-21 19:27:06
【问题描述】：

我正在尝试使用 deepenet 包的 dbn.dnn.train 函数来训练 MNIST 数据集。任务是分类任务。我正在使用以下命令

dbn.deepnet <- dbn.dnn.train(train.image.data,train.image.labels,hidden=c(5,5))

我面临的问题是：

1) 标签应该是因子类型向量。但是当我输入标签作为因子时，函数会给出一个错误，即“y 应该是矩阵或向量”。所以，我使用标签作为数字。如何进行分类任务

2) 对 dbn.dnn.train 进行预测的功能是什么。我正在使用 nn.predict 但文档提到输入应该是由函数 nn.train 训练的神经网络（未提及 dbn.dnn.train）。所有记录的输出为 0.9986

nn.predict(dbn.deepnet,train.image.data)

【问题讨论】：

也许你应该试试 neuralnet 包？请检查这个答案stackoverflow.com/questions/21827195/…希望这可能会有所帮助。
谢谢！但我正在尝试实现深度学习，特别是深度信念网络，这不是由包神经网络提供的
在here 中可以找到使用deepnet 训练MNIST 的示例，在here 中可以找到加速信息。

标签： r neural-network deep-learning rbm

【解决方案1】：

不知道您是否仍在努力，或者您是否找到了解决方案，但是： 1/试试这个：train.image.labels

2/ 我使用 nn.predict，即使神经网络是由 dbn.dnn.train 训练的。

【讨论】：

【解决方案2】：

如您所知，神经网络的输入值最好介于 0 和 1 之间。在“deepnet”包中，与nn.train 函数不同，对于dbn.dnn.train，您需要自己对输入进行归一化。这是加载、训练和测试的完整代码。

#loading MNIST
setwd("path/to/MNIST/")
mnist <- load.mnist(".")
# the function to normalize the input values
normalize <- function(x) {
  return (x/255)
}
# standardization
train_x_n <-  apply(mnist$train$x, c(1,2),FUN = normalize)
test_x_n <- apply(mnist$test$x, c(1,2),FUN = normalize)
#training and prediction
dnn <- dbn.dnn.train(train_x_n, mnist$train$yy, hidden = c(100, 70, 80), numepochs = 3, cd = 3)
err.dnn <- nn.test(dnn, test_x_n, mnist$test$yy)
dnn_predict <- nn.predict(dnn, test_x_n)
# test the outputs
print(err.dnn)
print(dnn_predict[1,])
print(mnist$test$y[1])

输出：

> err.dnn
[1] 0.0829
> dnn_predict[1,]
[1] 7.549055e-04 1.111647e-03 1.946491e-03 7.417489e-03 3.221340e-04 7.306264e-04 4.088365e-05 9.944441e-01 8.953903e-05
[10] 9.085863e-03
> mnist$test$y[1]
[1] 7

【讨论】：