fann_train_epoch

    (PECL fann >= 1.0.0)

    fann_train_epoch — 使用一组训练数据训练一个 epoch

    描述

    fann_train_epoch(resource $ann, resource $data): float

    使用存储在 data 中的训练数据训练一个 epoch。一个 epoch 是指所有训练数据被精确考虑一次。

    此函数返回 MSE 错误，因为它是在实际训练之前或期间计算的。这不是训练 epoch 后的实际 MSE，但由于计算这将需要再次遍历整个训练集。在训练期间使用此值绰绰有余。

    此函数使用的训练算法由 fann_set_training_algorithm() 函数选择。

    参数

    ann

    神经网络 resource。

    data

    神经网络训练数据 resource。

    返回值

    MSE，或错误时为 false。

    参见

    改进此页面

    了解如何改进此页面 • 提交拉取请求 • 报告错误
    ＋添加注释

    用户贡献注释 1 个注释

    上
    下
    5
    geekgirljoy at gmail dot com
    5 年前
    此代码演示了使用 fann_train_epoch 训练 XOR，并将通过观察 psudo MSE（均方误差）来让您观察训练过程。

    其他训练函数：fann_train_on_data、fann_train_on_file、fann_train。

    fann_train_epoch 在您希望在 ANN 训练时观察它并可能保存快照或在训练期间比较竞争网络时很有用。

    fann_train_epoch 与 fann_train 不同之处在于它接受数据资源（训练文件），而 fann_train 接受输入数组和单独的输出数组，因此在观察对数据文件的训练时使用 fann_train_epoch（回调训练资源），并在观察手动指定的数据时使用 fann_train。

    示例代码

    <?php
    $num_input     = 2;
    $num_output = 1;
    $num_layers = 3;
    $num_neurons_hidden = 3;
    $desired_error = 0.0001;
    $max_epochs = 500000;
    $current_epoch = 0;
    $epochs_between_saves = 100; // 保存之间的最小时期数
    $epochs_since_last_save = 0;
    $filename = dirname(__FILE__) . "/xor.data";

    // 初始化伪 mse（均方误差）为一个大于 desired_error 的数字
    // 这是网络试图最小化的目标。
    $psudo_mse_result = $desired_error * 10000; // 1
    $best_mse = $psudo_mse_result; // 将最后一次看到的最佳 MSE 网络得分保留在这里

    // 初始化 ANN
    $ann = fann_create_standard($num_layers, $num_input, $num_neurons_hidden, $num_output);

    if (    $ann) {
    echo     '正在训练 ANN... ' . PHP_EOL;

    // 配置 ANN
    fann_set_training_algorithm ($ann , FANN_TRAIN_BATCH);
    fann_set_activation_function_hidden($ann, FANN_SIGMOID_SYMMETRIC);
    fann_set_activation_function_output($ann, FANN_SIGMOID_SYMMETRIC);

    // 读取训练数据
    $train_data = fann_read_train_from_file($filename);


    // 检查 psudo_mse_result 是否大于我们的 desired_error
    // 如果是，只要我们也低于 max_epochs，就继续训练
    while(($psudo_mse_result > $desired_error) && ($current_epoch <= $max_epochs)){
    $current_epoch++;
    $epochs_since_last_save++;

    // 参考：https://php.net/manual/en/function.fann-train-epoch.php
    // 用存储在 data 中的训练数据训练一个时期。
    //
    // 一个时期是指所有训练数据都被考虑过一次。
    //
    // 此函数返回计算的 MSE 错误，它是在实际训练之前或期间计算的。这不是
    // 训练时期后的实际 MSE，但由于计算它
    // 将需要再次遍历整个训练集。
    // 在训练期间使用此值已经足够了。
    $psudo_mse_result = fann_train_epoch ($ann , $train_data );
    echo     '时期 ' . $current_epoch . ' : ' . $psudo_mse_result . PHP_EOL; // 报告


    // 如果我们有一段时间没有保存 ANN...
    // 并且当前网络比之前最好的网络更好
    // 就像当前 MSE 小于最后一次最佳 MSE 所定义的
    // 保存它！
    if(($epochs_since_last_save >= $epochs_between_saves) && ($psudo_mse_result < $best_mse)){

    $best_mse = $psudo_mse_result; // 我们有一个新的 best_mse

    // 保存 ANN 的快照
    fann_save($ann, dirname(__FILE__) . "/xor.net");
    echo     '已保存 ANN。' . PHP_EOL; // 报告保存
    $epochs_since_last_save = 0; // 重置计数
    }

    }     // 训练的时候

    echo '训练完成！正在保存最终网络。' . PHP_EOL;

    // 保存最终网络
    fann_save($ann, dirname(__FILE__) . "/xor.net");
    fann_destroy($ann); // 释放内存
    }
    echo     '全部完成！' . PHP_EOL;
    ?>
    ＋添加注释
    To Top