Deeplearning4j：生成随机 INDArray(s) 作为多层网络的输入
Deeplearning4j: Generate random INDArray(s) as input for a MultiLayerNetwork
我正在从事一个项目，我打算对多层网络进行一些性能分析。正如标题所说，我打算创建一个随机的 INDArray 输入和任意大小的标签，它将用作 arbitrary 多层网络的（训练）输入。更准确地说，我想生成适合任何给定多层网络的输入。我尝试使用 Nd4j.rand 和 Nd4j.zeros 为网络生成输入和标签，但据我所知，不同的层有不同的形状要求。非常感谢任何 help/advice。提前致谢！
注意：我对数据本身或结果不感兴趣：在我的情况下生成随机数据就足够了。
您要找的并不是真正的“东西”。您将不得不列举不同的架构。虽然您可以根据形状确定有效输入，但这些仍然是您必须自己创建的 ndarray。您的赌注是限制问题并迭代一组确定的输入大小。这就是我们在 dl4j 本身中创建测试用例的方式。
注意：在超参数搜索方面有一些“更高级”的方法，但即便如此，您仍然只是生成随机候选对象并枚举一组输入。例如，对于 just 二维密集网络，您可以根据输入数量等于前一层的输出数量来确定什么是有效的。
一旦你超越了这个范围，你就会开始弄清楚哪些层的组合是有效的+能够确定你想要网络的层数。
我正在从事一个项目，我打算对多层网络进行一些性能分析。正如标题所说，我打算创建一个随机的 INDArray 输入和任意大小的标签，它将用作 arbitrary 多层网络的（训练）输入。更准确地说，我想生成适合任何给定多层网络的输入。我尝试使用 Nd4j.rand 和 Nd4j.zeros 为网络生成输入和标签，但据我所知，不同的层有不同的形状要求。非常感谢任何 help/advice。提前致谢！
注意：我对数据本身或结果不感兴趣：在我的情况下生成随机数据就足够了。
您要找的并不是真正的“东西”。您将不得不列举不同的架构。虽然您可以根据形状确定有效输入，但这些仍然是您必须自己创建的 ndarray。您的赌注是限制问题并迭代一组确定的输入大小。这就是我们在 dl4j 本身中创建测试用例的方式。
注意：在超参数搜索方面有一些“更高级”的方法，但即便如此，您仍然只是生成随机候选对象并枚举一组输入。例如，对于 just 二维密集网络，您可以根据输入数量等于前一层的输出数量来确定什么是有效的。
一旦你超越了这个范围，你就会开始弄清楚哪些层的组合是有效的+能够确定你想要网络的层数。