用RBM权值初始化MLP的权重

Question

我想用scikit-learn建立一个深信度网络。正如我所知，我们应该单独训练许多受限的Boltzmann机器(RBM)。然后应该创建一个多层感知器( MLP )，其层数与( RBMs )的层数相同，而MLP的权重应该用RBMs的权重来初始化。然而，我无法找到从scikit获得RBMs权重的方法--学习的BernoulliRBM。此外，它似乎也不是一种方法，也初始化一个MLP的权重在科学工具包-学习。

有办法像我说的那样做吗？

Answer 1

scikit学习目前还没有一个可以通过RBM初始化的MLP实现，但是您仍然可以访问存储在components_属性中的权重和存储在intercept_hidden_属性中的偏差。

如果您对使用现代MLP感兴趣，那么torch7、pylearn2和deepnet都是现代库，其中大多数都包含您所描述的预培训例程。