neuralNet: neuralNet

Cria uma lista que contém o nome e os argumentos da função para treinar um modelo NeuralNet com rxEnsemble.

Uso

  neuralNet(numHiddenNodes = 100, numIterations = 100, optimizer = sgd(),
    netDefinition = NULL, initWtsDiameter = 0.1, maxNorm = 0,
    acceleration = c("sse", "gpu"), miniBatchSize = 1, ...)
 

Argumentos

numHiddenNodes

O número padrão de nós ocultos na rede neural. O valor padrão é 100.

numIterations

O número de iterações no conjunto de treinamento completo. O valor padrão é 100.

optimizer

Uma lista que especifica o algoritmo de otimização sgd ou adaptive. Essa lista pode ser criada usando sgd ou adaDeltaSgd. O valor padrão é sgd.

netDefinition

A definição de Net# da estrutura da rede neural. Para saber mais sobre a linguagem Net#, confira Reference Guide

initWtsDiameter

Define o diâmetro de pesos iniciais que especifica o intervalo do qual os valores dos pesos iniciais de aprendizado são extraídos. Os pesos são inicializados aleatoriamente de dentro desse intervalo. O valor padrão é 0,1.

maxNorm

Especifica um limite superior para restringir a norma do vetor de peso de entrada em cada unidade oculta. Esse argumento pode ser importante em redes neurais de nível máximo e nos casos em que o treinamento gera pesos ilimitados.

acceleration

Especifica o tipo de aceleração de hardware a ser usado. Os valores possíveis são "sse" e "gpu". Para aceleração de GPU, é recomendado usar um miniBatchSize maior que um. Se você quer usar a aceleração de GPU, são necessárias mais algumas etapas de configuração manual:

• Baixe e instale o NVidia CUDA Toolkit 6.5 (CUDA Toolkit).
• Baixe e instale a biblioteca NVidia cuDNN v2 (cudnn Library).
• Localize o diretório libs do pacote MicrosoftRML chamando system.file("mxLibs/x64", package = "MicrosoftML").
• Copie cublas64_65.dll, cudart64_65.dll e cusparse64_65.dll do CUDA Toolkit 6.5 para o diretório libs do pacote MicrosoftML.
• Copie cudnn64_65.dll da biblioteca cuDNN v2 para o diretório libs do pacote MicrosoftML.

miniBatchSize

Define o tamanho do minilote. Os valores recomendados estão entre 1 e 256. Esse parâmetro só é usado quando a aceleração é de GPU. A definição desse parâmetro como um valor mais alto aprimora a velocidade do treinamento, mas pode prejudicar a precisão. O valor padrão é 1.

...

Argumentos adicionais.