有沒有一種方法可以在PyBrain中保存和恢復訓練有素的神經網絡,以便每次運行腳本時都不必重新訓練它?如何保存和恢復PyBrain培訓?
31
A
回答
43
PyBrain的神經網絡可以使用python內置的pickle/cPickle模塊或使用PyBrain的XML NetworkWriter來保存和加載。
# Using pickle
from pybrain.tools.shortcuts import buildNetwork
import pickle
net = buildNetwork(2,4,1)
fileObject = open('filename', 'w')
pickle.dump(net, fileObject)
fileObject.close()
fileObject = open('filename','r')
net = pickle.load(fileObject)
注意cPickle在C中實現,因此應該比pickle快得多。用法應該大部分與pickle相同,所以只需導入並使用cPickle。
# Using NetworkWriter
from pybrain.tools.shortcuts import buildNetwork
from pybrain.tools.customxml.networkwriter import NetworkWriter
from pybrain.tools.customxml.networkreader import NetworkReader
net = buildNetwork(2,4,1)
NetworkWriter.writeToFile(net, 'filename.xml')
net = NetworkReader.readFrom('filename.xml')
11
NetworkWriter
和NetworkReader
工作很好。我注意到在通過pickle
進行保存和加載時,通過訓練功能不再可以改變網絡。因此,我會推薦使用NetworkWriter
-方法。
+3
請訪問http://計算器.com/a/4336001/868679尋求解決方案 – 2014-03-31 17:54:36
2
NetworkWriter是要走的路。按照Jorg的說法,使用Pickle你不能再培訓網絡。
你需要的東西是這樣的:
from pybrain.tools.shortcuts import buildNetwork
from pybrain.tools.customxml import NetworkWriter
from pybrain.tools.customxml import NetworkReader
net = buildNetwork(4,6,1)
NetworkWriter.writeToFile(net, 'filename.xml')
net = NetworkReader.readFrom('filename.xml')
相關問題
- 1. Spark-mllib再培訓保存模型
- 2. tensorflow:如何保存/恢復訓練有素的模型
- 3. 如何保存和恢復表單?
- 4. 保存和恢復CGContext
- 5. 畫布保存和恢復
- 6. 如何增加培訓Theano保存的模型?
- 7. tensorflow cifar10從檢查點文件恢復培訓
- 8. 從torch7的檢查點恢復CNN培訓
- 9. 在線MCTS和MCPD培訓
- 10. Tensorflow:不恢復,但只能保存可訓練的變量
- 11. Tensorflow:如何恢復訓練模型? (Python)
- 12. Sharepoint培訓
- 13. 在線培訓
- 14. Android:如何保存/恢復數據
- 15. 如何保存hdc並恢復它?
- 16. wit.ai沒有培訓新的例子/培訓狀態保持「乾淨」
- 17. 程序集如何保存和恢復寄存器
- 18. 保存和恢復活動狀態?
- 19. Javascript關閉:保存和恢復文本
- 20. vim保存和恢復windows歷史
- 21. Tensorflow:保存和恢復模型參數
- 22. 保存和恢復使用tensorflow
- 23. 在MacOs上保存和恢復狀態
- 24. 保存和恢復NSTextView的位置
- 25. 保存和恢復shell變量
- 26. 保存和恢復數據的問題
- 27. 保存和恢復視圖狀態android
- 28. 保存和恢復一組首選項
- 29. contenteditable:保存和恢復插入位置
- 30. 在Daemon上保存和恢復佈局
評分:XML包在2010年9月更名爲:https://github.com/pybrain/pybrain/commit/fc8e7a8807963e93d8331f7ffbe2745eaff3ae92 – SiHa 2016-11-03 12:53:35