Accord.Neuro 在 .NET 中：如何从网络中检索神经网络权重？

Question

我正在努力让自己的头脑清醒过来 Accord.NET.Neuro。我需要一个 NN 库来解决强化学习问题。按照其中一个示例，我用 F# 编写了这一小段代码：

let inputs = [|  [|0.0;1.0|]  ;   [|1.0;1.0|]   |]
let inputdimension = inputs.[0] |> Array.length 
let outputs = [|  [|1.0|]  ;   [|0.0|]   |]
let outputdimension = outputs.[0] |>  Array.length 

let network =  Accord.Neuro.ActivationNetwork (
                SigmoidFunction (2.0) , // transfer function
                inputdimension,
                2 , // two neuron in first layer
                outputdimension ) // one neuron in second layer

let teacher = network |>  LevenbergMarquardtLearning 
teacher.RunEpoch(inputs,outputs)

如何从经过训练的网络对象中获取权重？据我所知，网络没有有任何权重属性。此外，为了进行预测，有一个 Compute 方法；所以 - 在学习之后 - 做出预测运行：

network.Compute( [|1.0;1.0|] )

例如对于给定的输入。我注意到，经过几个时期后，网络逐渐适应所需的目标（应该如此），但是 - 对于训练 - 一个只运行

teacher.RunEpoch(inputs,outputs)

好几次。显然这会影响网络实例：这怎么可能？

Answer 1

权重可通过层属性然后是神经元访问。

因此，对于给定的示例，

network.Layers

提供一个层数组 (Layer[])，其中每个元素给出每个隐藏层的信息（和数据）。在示例中，我们有输入、隐藏和输出：所以我们确定内部连接：输入到隐藏和隐藏到输出。

假设我们想知道从输入到隐藏层的权重：

network.Layers.[0]

此行将 return 具有字段 Neuron 的层对象 (Accord.Neuro.Layer)。研究这两个对象的接口是值得的，因为它们代表 Accord.Neuro 中的神经计算。 Neuro 报告特定计算单元的权重（及其阈值）。

因此，通过网络并获得权重和阈值的可能辅助函数是：

let getWeigths (n:ActivationNeuron ) =
    (n.Weights, n.Threshold)

let getNetworkParameters (network:ActivationNetwork) = 
    network.Layers
    |> Array.map ( fun layer -> layer.Neurons  
                                |> Array.map  (fun neuron -> 
                                                    neuron :?> ActivationNeuron 
                                                    |> getWeigths) )

我可能会添加一些其他的注释，我越过Accord.Neuro API。

Accord.Neuro 在 .NET 中：如何从网络中检索神经网络权重？

Accord.Neuro in .NET: how to retrieve the neural networks weigths from the network?

f#

neural-network

accord.net

visual-studio-2019