Skip to content
Snippets Groups Projects
readme 2.21 KiB
Specifikace síťě je defaultně načítána ze souboru "specifikacesite.ini"
Na prvním řádku se zadává počet vrstev sítě P a na druhém řádku struktura sítě.
Struktura sítě se zadává ve tvaru P-ticí celých čísel, kde každé číslo udává počet neuronů v dané vrstvě.
Např.:
4
2 120 45 1
nám specifikuje síť se čtyřmi vrstvami, která má 2 vstupní neurony, 120 neuronů v druhé vrstvě, 45 neuronů ve třetí vrtvě a 1 výstupní neuron.

Pokud nejsou v inicializačním souboru váhy a biasy, tak se do něj hned po náhodném vygenerování uloží

Po natrénování sítě se do tohoto souboru, pokud nebude specifikováno při spuštění přepínačem -newini uloží také natrénované váhy, biasy a škálovací parametry.

Škálovací parametry závisí na použité učící datové sadě.


Učicí data jsou defaultně načítána ze souboru "ucicidata.dat"
Testovací (kontrolní) data jsou defaultně načítána ze souboru "kontrolnidata.dat"
 - Tato data musí mít v prvních N sloupcích vstupy a v následujících M sloupcích výstupy, kde N je počet vstupních a M je počet výstupních neuronů

Spouštění se vstupními argumenty:
 "-h" nebo "--help"         - zobrazí nápovědu
 "-eval nazevsoboru.dat"    - vyčíslí síť pro vstupy uložené v souboru "nazevsouboru.dat"
 "-ini nazevsouboru.ini"    - načte specifikaci sítě ze souboru "nazevsouboru.ini"
 "-dat nazevsouboru.dat"    - načte učící data ze souboru "nazevsouborul.dat"
 "-tdat nazevsouborut.dat"  - načte testovací data ze souboru "nazevsouborut.dat"
 "-newini"                  - po skončení učení se specifikace sítě s naučenými váhami uloží do souboru "puvodninazevinisouboru_learned.ini"
 
 
 !>  
 Podle http://neuralnetworksanddeeplearning.com/chap3.html jsou váhy inicializovány náhodně podle gaussova rozdělení se střední hodnotou 0 a standartní odchylkou 1/sqrt(Počet vstupních neuronů) a biasy z gaussova rozdělení se střední hodnotou 0 a standartní odchylkou 1.
 !/>   

!> intel fortran v případě segmantation folt zkusit před spuštěním neuron4dyn:
ulimit -s unlimited
 
Přidat:
  Simulované žíhání 
  Basin hopping
  parallel tempering

  
Dodělat AGEKF