- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一些简单的循环神经网络的代码,想知道是否有办法减少更新阶段所需的代码量。我的代码是这样的:
class RNN(object):
def__init___(self, data, hidden_size, eps=0.0001):
self.data = data
self.hidden_size = hidden_size
self.weights_hidden = np.random.rand(hidden_size, hidden_size) * 0.1 # W
self.weights_input = np.random.rand(hidden_size, len(data[0])) * 0.1 # U
self.weights_output = np.random.rand(len(data[0]), hidden_size) * 0.1 # V
self.bias_hidden = np.array([np.random.rand(hidden_size)]).T # b
self.bias_output = np.array([np.random.rand(len(data[0]))]).T # c
self.cache_w_hid, self.cache_w_in, self.cache_w_out = 0, 0, 0
self.cache_b_hid, self.cache_b_out = 0, 0
self.eps = eps
def train(self, seq_length, epochs, eta, decay_rate=0.9, learning_decay=0.0):
# Other stuff
self.update(seq, epoch, eta, decay_rate, learning_decay)
# Other Stuff
def update(self, seq, epoch, eta, decay_rate, learning_decay):
"""Updates the network's weights and biases by applying gradient
descent using backpropagation through time and RMSPROP.
"""
delta_nabla_c, delta_nabla_b,\
delta_nabla_V, delta_nabla_W, delta_nabla_U = self.backward_pass(seq)
eta = eta*np.exp(-epoch*learning_decay)
self.cache_w_hid += decay_rate * self.cache_w_hid \
+ (1 - decay_rate) * delta_nabla_W**2
self.weights_hidden -= eta * delta_nabla_W / (np.sqrt(self.cache_w_hid) + self.eps)
self.cache_w_in += decay_rate * self.cache_w_in \
+ (1 - decay_rate) * delta_nabla_U**2
self.weights_input -= eta * delta_nabla_U / (np.sqrt(self.cache_w_in) + self.eps)
self.cache_w_out += decay_rate * self.cache_w_out \
+ (1 - decay_rate) * delta_nabla_V**2
self.weights_output -= eta * delta_nabla_V / (np.sqrt(self.cache_w_out) + self.eps)
self.cache_b_hid += decay_rate * self.cache_b_hid \
+ (1 - decay_rate) * delta_nabla_b**2
self.bias_hidden -= eta * delta_nabla_b / (np.sqrt(self.cache_b_hid) + self.eps)
self.cache_b_out += decay_rate * self.cache_b_out \
+ (1 - decay_rate) * delta_nabla_c**2
self.bias_output -= eta * delta_nabla_c / (np.sqrt(self.cache_b_out) + self.eps)
对于#RMSProp
下的每个变量都遵循更新规则,即:
cache = decay_rate * cache + (1 - decay_rate) * dx**2
x += - learning_rate * dx / (np.sqrt(cache) + eps)
我已经声明了 cache_
,后跟 self.weight_
或 self.bias_
,并且希望将其写得更紧凑。我正在考虑使用 zip()
但我不知道如何去做。
最佳答案
从您的问题来看,我猜测您正在尝试提高此处任何其他类型优化的可读性/优雅性。
您可以引入一个函数来实现更新规则,然后为每个变量调用一次。这里的技巧是 Python 允许您按名称访问属性,因此您可以传入缓存和权重属性的名称而不是值。这将让您更新 future 通行证的值:
def update_rule(self, cache_attr, x_attr, decay_rate, learning_rate, dx):
cache = getattr(self, cache_attr)
cache = decay_rate * cache + (1 - decay_rate) * dx**2
setattr(self, cache_attr, cache)
x = getattr(self, x_attr)
x += - learning_rate * dx / (np.sqrt(cache) + self.eps)
setattr(self, x_attr, x)
def update(self, seq, epoch, eta, decay_rate, learning_decay):
"""Updates the network's weights and biases by applying gradient
descent using backpropagation through time and RMSPROP.
"""
delta_nabla_c, delta_nabla_b,\
delta_nabla_V, delta_nabla_W, delta_nabla_U = self.backward_pass(seq)
eta = eta*np.exp(-epoch*learning_decay)
self.update_rule('cache_w_hid', 'weights_hidden', decay_rate, eta, delta_nabla_W)
self.update_rule('cache_w_in', 'weights_input', decay_rate, eta, delta_nabla_U)
self.update_rule('cache_w_out', 'weights_output', decay_rate, eta, delta_nabla_V)
self.update_rule('cache_b_hid', 'bias_hidden', decay_rate, eta, delta_nabla_b)
self.update_rule('cache_b_out', 'bias_output', decay_rate, eta, delta_nabla_c)
事实上,您可以通过输入 update_rule
来保存额外的参数并避免暴露基本上是私有(private)的方法。进入update
。这将公开 update
的命名空间至update_rule
当它被调用时,所以你不必传入 decay_rate
和learning_rate
:
def update(self, seq, epoch, eta, decay_rate, learning_decay):
"""Updates the network's weights and biases by applying gradient
descent using backpropagation through time and RMSPROP.
"""
def update_rule(cache_attr, x_attr, dx):
cache = getattr(self, cache_attr)
cache = decay_rate * cache + (1 - decay_rate) * dx**2
setattr(self, cache_attr, cache)
x = getattr(self, x_attr)
x += - eta * dx / (np.sqrt(cache) + self.eps)
setattr(self, x_attr, x)
delta_nabla_c, delta_nabla_b,\
delta_nabla_V, delta_nabla_W, delta_nabla_U = self.backward_pass(seq)
eta = eta*np.exp(-epoch*learning_decay)
update_rule('cache_w_hid', 'weights_hidden', delta_nabla_W)
update_rule('cache_w_in', 'weights_input', delta_nabla_U)
update_rule('cache_w_out', 'weights_output', delta_nabla_V)
update_rule('cache_b_hid', 'bias_hidden', delta_nabla_b)
update_rule('cache_b_out', 'bias_output', delta_nabla_c)
最后,如果你真的想要,你可以使用 zip
调用 update_rule
进入一个循环。请注意,对于此版本,调用顺序已更改为匹配 self.backward_pass
返回值的顺序。 。就我个人而言,我不会使用最后一个版本,除非您确实有很多更新要做,因为它开始看起来很困惑,而且它对 backward_pass
的结果非常敏感。 .
def update(self, seq, epoch, eta, decay_rate, learning_decay):
"""Updates the network's weights and biases by applying gradient
descent using backpropagation through time and RMSPROP.
"""
def update_rule(cache_attr, x_attr, dx):
cache = getattr(self, cache_attr)
cache = decay_rate * cache + (1 - decay_rate) * dx**2
setattr(self, cache_attr, cache)
x = getattr(self, x_attr)
x += - eta * dx / (np.sqrt(cache) + self.eps)
setattr(self, x_attr, x)
dx = self.backward_pass(seq)
eta = eta*np.exp(-epoch*learning_decay)
cache_attrs = ('cache_b_out', 'cache_b_hid', 'cache_w_out', 'cache_w_hid', 'cache_w_in')
x_attrs = ('bias_output', 'bias_hidden', 'weights_output', 'weights_hidden', 'weights_input')
for args in zip(cache_attrs, x_attrs, dx):
update_rule(*args)
关于python - 有没有办法减少 RMSProp 的代码量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39375173/
我是 Bison 解析的新手,我无法理解它是如何工作的。我有以下语法,其中我保留了最低限度的语法来突出问题。 %left '~' %left '+' %token T_VARIABLE %% star
我链接了 2 个映射器和 1 个缩减器。是否可以将中间输出(链中每个映射器的 o/p)写入 HDFS?我尝试为每个设置 OutputPath,但它似乎不起作用。现在,我不确定是否可以完成。有什么建议吗
我正在编写一些代码来管理自定义磁盘文件结构并将其同步到未连接的系统。我的要求之一是能够在实际生成同步内容之前估计同步的大小。作为一个简单的解决方案,我整理了一个包含完整路径文件名的 map ,作为高效
我来自一个 SQL 世界,其中查找由多个对象属性(published = TRUE 或 user_id = X)完成,并且有 任何地方都没有加入 (因为 1:1 缓存层)。文档数据库似乎很适合我的数据
在 R 中,我有一个整数向量。从这个向量中,我想随机减少每个整数元素的值,以获得向量的总和,即初始总和的百分比。 在这个例子中,我想将向量“x”减少到向量“y”,其中每个元素都被随机减少以获得等于初始
我发现自己遇到过几次我有一个 reducer /组合 fn 的情况,如下所示: def combiner(a: String, b: String): Either[String, String]
Ubuntu 12.04 nginx 1.2.4 avconv版本 avconv version 0.8.10-4:0.8.10-0ubuntu0.12.04.1, Copyright (c) 200
我是 R 编程语言的新手。我有一个包含 2 列(ID 和 Num)的数据集,如下所示: ID Num 3 8 3 12 4 15 4 18 4
我正在使用高阶函数将函数应用于向量中的每个元素并将结果作为标量值返回。 假设我有: v = c(0, 1, 2, 3, 4, 5, 6, 7, 8) 我想计算以左边 5 个整数为中心的所有这些整数的总
关闭。这个问题需要debugging details .它目前不接受答案。 编辑问题以包含 desired behavior, a specific problem or error, and th
这个问题在这里已经有了答案: How to write the dataframes in a list to a single csv file (2 个回答) 5年前关闭。 我正在尝试使用 Red
刚开始学习CUDA编程,对归约有些迷茫。 我知道与共享内存相比,全局内存有很多访问延迟,但我可以使用全局内存来(至少)模拟类似于共享内存的行为吗? 例如,我想对长度恰好为 BLOCK_SIZE * T
我经常使用OptiPNG或pngcrush减小PNG图像的文件大小。 我希望能够从.NET应用程序中以编程方式执行此类操作。我正在动态生成要发送到移动设备的PNG,因此我想减小文件大小。 图像质量很重
减少和减少让您在序列上累积状态。 序列中的每个元素都会修改累积的状态,直到 到达序列的末尾。 在无限列表上调用reduce 或reductions 有什么含义? (def c (cycle [0]))
这与R: use the newly generated data in the previous row有关 我意识到我面临的实际问题比我在上面的线程中给出的示例要复杂一些 - 似乎我必须将 3 个
有什么办法可以减少.ttf字体的大小?即如果我们要删除一些我们不使用的glyps。 最佳答案 使用Google Web Fonts,您可以限制字符集,例如: //fonts.googleapis.co
我需要在iOS中制作一个应用程序,在她的工作过程中发出类似“哔”的声音。 我已经使用MPMusicPlayerController实现了与背景ipod的交互。 问题: 由于来自ipod的音乐音量很大,
我有一个嵌套 map m,如下所示: m = Map("电子邮件"-> "a@b.com", "背景"-> Map("语言"-> "英语")) 我有一个数组arr = Array("backgroun
有什么原因为什么不应该转发map / reduce函数中收到的可写内容? 我的意思是-每个map / reduce函数都有一个可写的键/值,并可能发出一个键/值对。如果我想执行一些过滤,我应该只发出接
假设我有一个数据列表 val data = listOf("F 1", "D 2", "U 1", "D 3", "F 10") 我想执行每个元素的给定逻辑。 我必须在外部添加 var acc2 =
我是一名优秀的程序员,十分优秀!