chencheng12077的博客

本节主要介绍如dl4j如何操作csv,虽然实战中比较少用，但是对熟悉基本数据操作及结构还是有好处的，代码如下public class BasicCSVClassifier { private static Logger log = LoggerFactory.getLogger(BasicCSVClassifier.class);//工厂方法生成日志类 private

这篇是接上一篇的基于spark的LSTM字符模型，数据源是一些英文段乱，利用LSTM每次学习一个字符,代码如下public class SparkLSTMCharacterExample { private static final Logger log = LoggerFactory.getLogger(SparkLSTMCharacterExample.class);

本文是在spark本地模式运行，如果想用集群模式，使用上篇提到的参数即可，例子是LSTM字符，代码如下public class TrainingStatsExample { private static final Logger log = LoggerFactory.getLogger(TrainingStatsExample.class); @Parameter(na

最后我们再写3篇基于spark的深度学习，这篇是手写识别的，用的是spark的local模式，如果想用集群模式在submit的时候设置-useSparkLocal false，或者在程序中设置useSparkLocal=false，代码如下public class MnistMLPExample { private static final Logger log = LoggerF

这其实是一个利用LSTM递归网络进行序列分类的问题，根据数据趋势把数据分成6个类正常，循环，阶跃上升，阶跃下降，趋势向上，趋势向下数据连接：https://archive.ics.uci.edu/ml/machine-learning-databases/synthetic_control-mld/synthetic_control.data图像连接：https://archive.ics

先介绍一个简单的例子，放入字符串的第一个字符，让递归网络复述出后面的字符串，我们看看是如何工作的public class BasicRNNExample { // define a sentence to learn public static final char[] LEARNSTRING = "Der Cottbuser Postkutscher putzt den C

public class ParagraphVectorsClassifierExample { ParagraphVectors paragraphVectors; LabelAwareIterator iterator; TokenizerFactory tokenizerFactory; private static final Logger log =

下面几篇是deeplearning4j在文本方面的例子，文本方面我还没有实战经验，只是大概看过spark-ml中word2vector等的源码，word2vector是比较传统的模型，本质上可以把它理解成词的降维，而gloVe是和word2vector功能相似的模型，把句子的信息和全局的信息结合，目的是在语义和语句上都获得更好的表达效果，下面我们仅从使用的角度上看gloVe模型的代码pub

内容不难，但是在实战中很有用，大部分内容和之前一样，特别的地方会做注解public class EarlyStoppingMNIST { public static void main(String[] args) throws Exception { //Configure network: int nChannels = 1;

这篇我们看下如果自定义层，如何做梯度测试，老吴还是很推崇梯度测试的public class CustomLayerExample { static{ //Double precision for the gradient checks. See comments in the doGradientCheck() method // See also

这是一个非常有启发的例子，可以扩展到生产环境做一些模型！public class PredictGenderTrain{ public String filePath; public static void main(String args[]) { PredictGenderTrain dg = new PredictGenderTrain(

我们看看dl4j怎么做异常检测，效果如何/**Example: Anomaly Detection on MNIST using simple autoencoder without pretraining * The goal is to identify outliers digits, i.e., those digits that are unusual or * not li

pipeline可以理解为模块组装，这里以手写识别为数据，介绍其用法，贴代码/** * This code example is featured in this youtube video * https://www.youtube.com/watch?v=ECA6y6ahH5E * ** This differs slightly from the Video Exampl

这篇主要是看下怎么画图，贴代码public class CSVPlotter { public static void main( String[] args ) throws IOException, InterruptedException { String filename = new ClassPathResource("/DataExamples

深度学习框架很多，我讲的是deeplearning4j,因为它能和spark结合，代码是java,虽然我java也很烂数据源是4种动物的照片，有熊，鸭，鹿，龟示例的分类结果不是很理想，建议我们通过以下方式提高：1.增加照片数量2.进行更多的数据预处理3.增加训练次数，所有数据都训练完了才叫一次训练4.调整模型配置5.调整学习率，更新器，激活函数，损失函数，正则化参数等