PyBrain：如何在神经网络中放置特定的权重？

Question

我正在尝试根据给定的事实重新创建一个神经网络。它有 3 个输入、一个隐藏层和一个输出。我的问题是权重也是给定的，所以我不需要训练。

我在想也许我可以保存类似结构神经网络的训练并相应地更改值。你认为这会奏效吗？还有其他想法。谢谢。

神经网络代码：

    net = FeedForwardNetwork()
    inp = LinearLayer(3)
    h1 = SigmoidLayer(1)
    outp = LinearLayer(1)

    # add modules
    net.addOutputModule(outp)
    net.addInputModule(inp)
    net.addModule(h1)

    # create connections
    net.addConnection(FullConnection(inp, h1))
    net.addConnection(FullConnection(h1, outp))

    # finish up
    net.sortModules()


    trainer = BackpropTrainer(net, ds)
    trainer.trainUntilConvergence()

从How to save and recover PyBrain training?保存训练和加载代码

# Using NetworkWriter

from pybrain.tools.shortcuts import buildNetwork
from pybrain.tools.xml.networkwriter import NetworkWriter
from pybrain.tools.xml.networkreader import NetworkReader

net = buildNetwork(2,4,1)

NetworkWriter.writeToFile(net, 'filename.xml')
net = NetworkReader.readFrom('filename.xml') 

Answer 1

我很好奇如何阅读已经训练好的网络（使用 xml 工具）。因为，这意味着可以以某种方式设置网络权重。所以在NetworkReader documentation我发现，可以用_setParameters()设置参数。

但是，下划线表示私有方法，可能会产生一些副作用。还要记住，带有权重的向量必须与最初构建的网络长度相同。

例子

>>> import numpy
>>> from pybrain.tools.shortcuts import buildNetwork
>>> net = buildNetwork(2,3,1)
>>> net.params

array([...some random values...])

>>> len(net.params)

13

>>> new_params = numpy.array([1.0]*13)
>>> net._setParameters(new_params)
>>> net.params

array([1.0, ..., 1.0])

其他重要的事情是将值按正确的顺序排列。比如上面是这样的：

[  1., 1., 1., 1., 1., 1.,      1., 1., 1.,        1.,       1., 1., 1.    ] 
     input->hidden0            hidden0->out     bias->out   bias->hidden0   

要确定哪些权重属于层之间的哪些连接，试试这个

# net is our neural network from previous example
for c in [connection for connections in net.connections.values() for connection in connections]:
    print("{} -> {} => {}".format(c.inmod.name, c.outmod.name, c.params))

无论如何，我仍然不知道层之间权重的确切顺序...