如何在 Azure 机器学习中构建卷积神经网络？

Question

有人应该添加 "net#" 作为标签。我正在尝试通过使用本教程将其转变为卷积神经网络来改进 Azure 机器学习工作室中的神经网络：

https://gallery.cortanaintelligence.com/Experiment/Neural-Network-Convolution-and-pooling-deep-net-2

我的和教程的区别是我用 35 个特征和 1 个标签做回归，而他们用 28x28 个特征和 10 个标签做分类。

我从基本示例和第二个示例开始，让他们使用：

input Data [35];

hidden H1 [100]
    from Data all;

hidden H2 [100]
    from H1 all;

output Result [1] linear
    from H2 all;

现在转换成卷积我理解错了。在此处的教程和文档中：https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-azure-ml-netsharp-reference-guide 它没有提及如何为隐藏层计算节点元组值。教程说：

hidden C1 [5, 12, 12]
  from Picture convolve {
    InputShape  = [28, 28];
    KernelShape = [ 5,  5];
    Stride      = [ 2,  2];
    MapCount = 5;
  }

hidden C2 [50, 4, 4]
   from C1 convolve {
     InputShape  = [ 5, 12, 12];
     KernelShape = [ 1,  5,  5];
     Stride      = [ 1,  2,  2];
     Sharing     = [ F,  T,  T];
     MapCount = 10;
  }

似乎 [5, 12, 12] 和 [50,4,4] 与 KernalShape、Stride 和 MapCount 一起突然出现。我如何知道哪些值对我的示例有效？我尝试使用相同的值，但它没有用，我有一种感觉，因为他有一个 [28,28] 输入而我有一个 [35]，我需要 2 个整数而不是 3 个整数的元组。

我只是尝试使用似乎与教程相关的随机值：

const { T = true; F = false; }

input Data [35];

hidden C1 [7, 23]
  from Data convolve {
    InputShape  = [35];
    KernelShape = [7];
    Stride      = [2];
    MapCount = 7;
  }

hidden C2 [200, 6]
   from C1 convolve {
     InputShape  = [ 7, 23];
     KernelShape = [ 1,  7];
     Stride      = [ 1,  2];
     Sharing     = [ F,  T];
     MapCount = 14;
  }

hidden H3 [100]
  from C2 all;

output Result [1] linear
  from H3 all;

现在似乎无法调试，因为 Azure 机器学习工作室给出的唯一错误代码是：

Exception":{"ErrorId":"LibraryException","ErrorCode":"1000","ExceptionType":"ModuleException","Message":"Error 1000: TLC library exception: Exception of type 'Microsoft.Numerics.AFxLibraryException' was thrown.","Exception":{"Library":"TLC","ExceptionType":"LibraryException","Message":"Exception of type 'Microsoft.Numerics.AFxLibraryException' was thrown."}}}Error: Error 1000: TLC library exception: Exception of type 'Microsoft.Numerics.AFxLibraryException' was thrown. Process exited with error code -2

最后我的设置是

感谢您的帮助！

Answer 1

具有给定内核和步幅的 35 列长度输入的正确网络定义如下：

const { T = true; F = false; }

input Data [35];

hidden C1 [7, 15]
  from Data convolve {
    InputShape  = [35];
    KernelShape = [7];
    Stride      = [2];
    MapCount = 7;
  }

hidden C2 [14, 7, 5]
   from C1 convolve {
     InputShape  = [ 7, 15];
     KernelShape = [ 1,  7];
     Stride      = [ 1,  2];
     Sharing     = [ F,  T];
     MapCount = 14;
  }

hidden H3 [100]
  from C2 all;

output Result [1] linear
  from H3 all;

首先，C1 = [7,15]。第一个维度就是 MapCount。对于第二个维度，内核形状定义了用于扫描输入列的 "window" 的长度，步幅定义了它在每一步移动的量。因此内核 windows 将覆盖第 1-7、3-9、5-11、...、29-35 列，当您计算 windows.[=11 时产生第二维 15 =]

接下来，C2 = [14,7,5]。第一个维度也是 MapCount。对于第二维和第三维，1×7 内核 "window" 必须覆盖 7×15 的输入大小，沿相应维度使用步长 1 和 2。

请注意，如果您想展平输出，您可以指定 [98,5] 甚至 [490] 的 C2 隐藏层形状。

如何在 Azure 机器学习中构建卷积神经网络？

How to build a Convolution Neural Net in Azure Machine Learning?

machine-learning

convolution

azure-machine-learning-studio

net#