如何用自动机器学习实现神经网络进化

# mutate number of layers -- RANDOMLY ADD

if random.random() < NET_SPACE['nb_layers'][-1]:

if net['nb_layers']['val'] < NET_SPACE['nb_layers'][1]:

if random.random()< 0.5:

layer = dict()

for k in LAYER_SPACE.keys():

layer[k] = random_value(LAYER_SPACE[k])

net['layers'].append(layer)

# value & id update

net['nb_layers']['val'] = len(net['layers'])

net['nb_layers']['id'] +=1

else:

if net['nb_layers']['val'] > 1:

net['layers'].pop()

net['nb_layers']['val'] = len(net['layers'])

net['nb_layers']['id'] -=1

return net

建立收集

我们毕竟可否打造出一个可以用于断定收集机能短长的算法呢？

class CustomModel(): 
 
   def __init__(self, build_info, CUDA=True): 
 
       previous_units = 28 * 28 
       self.model = nn.Sequential() 
       self.model.add_module('flatten', Flatten()) 
       for i, layer_info in enumerate(build_info['layers']): 
           i = str(i) 
           self.model.add_module( 
               'fc_' + i, 
               nn.Linear(previous_units, layer_info['nb_units']['val']) 
               ) 
           self.model.add_module( 
               'dropout_' + i, 
               nn.Dropout(p=layer_info['dropout_rate']['val']) 
               ) 
           if layer_info['activation']['val'] == 'tanh': 
               self.model.add_module( 
                   'tanh_'+i, 
                   nn.Tanh() 
               ) 
           if layer_info['activation']['val'] == 'relu': 
               self.model.add_module( 	
			 3/9   首页 上一页 1 2 3 4 5 6 下一页 尾页	
			

　　推荐阅读
　　百度前首席科学家吴恩达：AI短期内不会超越人类
吴恩达认为，根本收入筹划的目标不该该是让人们持续给打车公司开车，他欲望根本收入筹划可以或许资世人们进修更多的器械，赞助他们找到有意义的工作。
            
            腾讯科技讯 据外媒报道，固然比来有很>>>详细阅读


本文标题：如何用自动机器学习实现神经网络进化
地址：http://www.17bianji.com/lsqh/36435.html
 1/2    1