如何用DeepLearning4J训练RBM和重构输入？

Question

我试着用DeepLearning4J 0.7训练一台受限的玻尔兹曼机器，但没有成功。我发现的所有示例要么没有做任何有用的事情，要么不再使用DeepLearning4J 0.7。

我需要训练一个具有对比散度的RBM，然后计算重建误差。

以下是我到目前为止所拥有的：

import org.nd4j.linalg.factory.Nd4j;
import org.deeplearning4j.datasets.fetchers.MnistDataFetcher;
import org.deeplearning4j.nn.conf.layers.RBM;
import org.deeplearning4j.nn.api.Layer;
import static org.deeplearning4j.nn.conf.layers.RBM.VisibleUnit;
import static org.deeplearning4j.nn.conf.layers.RBM.HiddenUnit;
import org.deeplearning4j.optimize.api.IterationListener;
import org.deeplearning4j.datasets.iterator.impl.MnistDataSetIterator;
import org.deeplearning4j.eval.Evaluation;
import org.deeplearning4j.nn.api.OptimizationAlgorithm;
import org.deeplearning4j.nn.conf.MultiLayerConfiguration;
import org.deeplearning4j.nn.conf.NeuralNetConfiguration;
import org.deeplearning4j.nn.conf.Updater;
import org.deeplearning4j.nn.multilayer.MultiLayerNetwork;
import org.deeplearning4j.nn.weights.WeightInit;
import org.deeplearning4j.optimize.listeners.ScoreIterationListener;
import org.nd4j.linalg.dataset.DataSet;
import org.nd4j.linalg.dataset.api.iterator.DataSetIterator;
import org.nd4j.linalg.lossfunctions.LossFunctions;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.nd4j.linalg.api.ndarray.INDArray;

public class experiment3 {
    private static final Logger log = LoggerFactory.getLogger(experiment3.class);

    public static void main(String[] args) throws Exception {
        DataSetIterator mnistTrain = new MnistDataSetIterator(100, 60000, true);

        MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
            .regularization(false)
            .iterations(1)
            .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
            .list()
            .layer(0, new RBM.Builder()
                    .nIn(784).nOut(500)
                    .weightInit(WeightInit.XAVIER)
                    .lossFunction(LossFunctions.LossFunction.RECONSTRUCTION_CROSSENTROPY)
                    .updater(Updater.NESTEROVS)
                    .learningRate(0.1)
                    .momentum(0.9)
                    .k(1)
                    .build())
            .pretrain(true).backprop(false)
            .build();

        MultiLayerNetwork model = new MultiLayerNetwork(conf);
        model.init();
        model.setListeners(new ScoreIterationListener(600));

        for(int i = 0; i < 50; i++) {
            model.fit(mnistTrain);
        }
    }
}

它在每个时代都会编译和打印一些分数，但是当它应该减少时，分数就会增加，而我还没有找到任何方法来进行重建。

我尝试使用重构函数并计算距离：

        while(mnistTrain.hasNext()){
            DataSet next = mnistTrain.next();
            INDArray in = next.getFeatureMatrix();
            INDArray out = model.reconstruct(in, 1); // tried with 0 but arrayindexoutofbounds

            log.info("distance(1):" + in.distance1(out));
        }

但是每个元素的距离总是0.0，即使模型还没有经过单一时期的训练，这是不可能的。

这是训练成果管理制的正确方式吗？如何用单一的RBM重建输入？

Answer 1

我意识到这个问题是老的，但最近的活动在我的流程中揭示了这一点。我只想说，我最近在DL4j中使用了RBM，包括单层和多层。他们可能没有得到官方的支持，但他们是有效的。我还偶然发现了reconstruct。要测试模型，您应该使用output，就像在FF网络中一样。就你的情况而言，我想应该是：

INDArray in = next.getFeatureMatrix();
INDArray out = model.output(in);

增加了几个部分：

我用0.9.1

Answer 2

我已经在项目的Gitter通道上和亚当·吉布森(作者)谈过这个问题。他说，他们实际上已经放弃了对RBM的支持，除了代码库，所以任何类型的RBM错误都可能发生，而且不会被修复。

他们放弃的原因是因为RBM在总体上已经被VAE (变分自动编码器)所取代，所以他们推动人们使用它。

Answer 3

放弃RBM或其他类型的NNs意味着DL4J并不支持所有的深度学习用例。不幸的是，DL4J不是一个完整的DL库，更不用说与许多替代方法相比缺乏文档了。