Faltungs-Neuronale Netze in R.

8

Ich sehe kein Paket für Convolutional Neural Networks in R. Hat jemand diese Art von Algorithmus in R implementiert?

r convnet software-recommendation

— Hack-R
quelle

Ich glaube nicht, selbst wenn es implementiert wäre, würde es wahrscheinlich keine Unterstützung für die Verwendung geben. Ich würde Tensorflow oder Skflow für Python, Caffe für C ++ oder Caffe on Spark für Apache Spark vorschlagen.

— GameOfThrows

@GameOfThrows Danke, ich denke du hast recht. Ich benutze Tensorflow und Caffe aber ich würde nur wie R. verwenden

— Hack-R

3

Ich denke, es gibt kein Paket für cnn, aber Sie können Ihre eigene Faltungsschicht schreiben. mxnet oder h2o werden dafür nützlich sein.

Schau dir das an:

http://dmlc.ml/rstats/2015/11/03/training-deep-net-with-R.html

— Silberstein
quelle

3

Die folgenden 2 Pakete sind in R für tiefes neuronales Netzwerktraining verfügbar:

darch : Paket für tiefe Architekturen und eingeschränkte Boltzmann-Maschinen. Das Darch-Paket basiert auf dem Code von GE Hinton und RR Salakhutdinov (verfügbar unter Matlab Code für Deep-Believe-Netze). Dieses Paket dient zum Erzeugen neuronaler Netze mit vielen Schichten (tiefe Architekturen), zum Trainieren dieser und zur Feinabstimmung mit bekannten Trainingsalgorithmen wie Backpropagation oder konjugierten Gradienten. Darüber hinaus kann die überwachte Feinabstimmung durch Maxout und Dropout verbessert werden, zwei kürzlich entwickelte Techniken zur Verbesserung der Feinabstimmung für tiefes Lernen. CRAN-Link: http://cran.um.ac.ir/web/packages/darch/index.html
deepnet : Deep-Learning-Toolkit in R. Implementieren Sie einige Deep-Learning-Architekturen und neuronale Netzwerkalgorithmen, einschließlich BP, RBM, DBN, Deep-Autoencoder usw. CRAN-Link: https://cran.r-project.org/web/packages/deepnet/index.html

— Sandeep S. Sandhu
quelle

Danke für deine Antwort. Ich habe beide verwendet und nicht gedacht, dass sie CNN-Algorithmen bereitstellen? Ich habe gerade in der Dokumentation nach dem Wort Faltung gesucht und es ist nichts aufgetaucht. Haben sie tatsächlich diese Funktionalität?

— Hack-R

2

Ich denke, mxnet ist eine der besten Optionen, wenn Sie in R codieren. Sie haben einen R-Wrapper, aber der Kern ist in C ++.

Sie haben mehrere Beispiele im Web. Eine davon ist die Zeichenerkennung mit der MNIST-Datenbank. Sie unterstützen Multi-GPUS und auch Spark.

— Hoaphumanoid
quelle

Ja, auch RNN, LSTM. Sie haben viele Beispiele in ihrem Github

— Hoaphumanoid

Ah ja danke. Ich habe mxnet für die Bildklassifizierung verwendet, aber nicht gedacht, dass es dafür CNN-Algorithmen gibt. Ich sehe ein Beispiel für die Klassifizierung von CNN-Texten. Ich hätte wahrscheinlich eine Bildklassifizierung angeben sollen. Dennoch kann es vielleicht als solches genutzt werden. Ich werde es mir ansehen. Vielen Dank! +1

— Hack-R

0

Das MXNetR-Paket ist eine Schnittstelle der in C ++ geschriebenen MXNet-Bibliothek. Es enthält neuronale Feed-Forward-Netze und Faltungs-Neuronale Netze (CNN) (MXNetR 2016a).

https://www.is.uni-freiburg.de/resources/r-oeffentlicher-zugriff/deep-learning-in-r/deep-learning-in-r-en?set_language=de

— Skan
quelle

0

Tensorflow für R ist verfügbar.
Es bietet vollständigen Zugriff auf die Tensorflow-API , die Keras-API und die Tensorflow-Schätzer .
Installation von Tensorflow (Auszug unten) -> https://tensorflow.rstudio.com/tensorflow/

Installation

Installieren Sie zunächst das Tensorflow R-Paket von GitHub wie folgt:
devtools::install_github("rstudio/tensorflow")
Verwenden Sie dann die Funktion install_tensorflow (), um TensorFlow zu installieren:
library(tensorflow)
install_tensorflow() 
Sie können bestätigen, dass die Installation erfolgreich war mit:
sess = tf$Session() hello <- tf$constant('Hello, TensorFlow!')
sess$run(hello) 
Auf diese Weise erhalten Sie eine Standardinstallation von TensorFlow, die für den Einstieg in das Tensorflow R-Paket geeignet ist. Weitere Informationen zu erweiterten Optionen finden Sie im Artikel zur Installation, einschließlich der Installation einer Version von TensorFlow, die Nvidia-GPUs nutzt, wenn Sie die richtigen CUDA-Bibliotheken installiert haben.

— Adrian Torrie
quelle