从零开始：你也能创建随时可用神经网络

　　检查网络经历的历元数量以及当前的损失值是一个好主意。　　

　　你可以确认载入网络的结果与上一节中刚刚接受训练的版本相同。　　

　　现在，让我们用加载的网络生成一堆结果并绘制它们。 （在新的输入集上运行网络对于你来说现在可能是微不足道的！）

　　当然，我们可以检查网络产生的一些结果值。　　

　　可以使用Gorilla提供的来自 Gorilla-plot.core命名空间的绘图功能进行绘图。 在这里，我们将只关注输出，将使用Clojure的平坦函数来创建一个输出值的平集合，而不是在结果中找到的向量序列。

　　在指定颜色后，知道图应该使用线条而不是点，可以在浏览器REPL中直接看到下面的图形。

　　你也可以生成一个由已知或未隐藏函数直接产生的预期结果与训练网络产生的结果组成的“组合”图。

　　这两条线实际上太靠近了，完全相互重叠。

　　重新训练

　　从那里，一个有趣的进展路径将是采取目前训练的网络，并通过使用更多的数据集，并再次运行皮层训练n功能使其更好。

　　注意：通过指定一个新的网络文件，可以保留一个独立版本的更新网络。

　　而且，对于新的数据集和一个新的训练周期，仍然有一个很好的机会来实现一个更好的网络，在这种情况下，使用新的文件名再次保存网络。

　　结论

　　在这篇文章中你已经看到了如何训练自己的神经网络来模拟已知函数的输出。 了解了如何生成并提供用于训练的所需数据集，以及Cortex如何保存最佳网络的文件版本。

　　现在有一些想法是：

　　尝试相同的一个不同的隐藏你自己的功能。

　　更改网络元数据中功能和网络的输入和输出参数的数量。

　　如果网络性能不尽如人意，可在网络的不同层面上花费一些时间，找到更好的配置。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!