Blocuri la master · mila-iqiablocks · GitHub
Nu s-au găsit definiții în acest fișier.
- Mergeți la fișierul T
- Mergeți la linia L
- Mergeți la definiția R
- Copiați calea
| " "Algoritmi de instruire." " |
| jurnal de import |
| importați instrumente |
| din abc import ABCMeta, abstractmethod |
| din colecții import OrderedDict |
| din colecții import Mapping |
| de la șase. mută importul reduce |
| de la picklable_itertools. echipamente pentru import extra |
| import theano |
| din șase import add_metaclass |
| din theano import tensor |
| din blocuri. import grafic ComputationGraph |
| din blocuri. roluri import add_role, ALGORITHM_HYPERPARAMETER, ALGORITHM_BUFFER |
| din blocuri. theano_expressions import l2_norm |
| din blocuri. utils import ( |
| dict_subset, pack, shared_floatx, shared_floatx_zeros_matching) |
| logger = logare. getLogger (__name__) |
| def _create_algorithm_buffer_for (param, * args, ** kwargs): |
| buf = shared_floatx_zeros_matching (param, * args, ** kwargs) |
| piele de bivol. etichetă. for_parameter = formular |
| add_role (buf, ALGORITHM_BUFFER) |
| întoarce buf |
| @ add_metaclass (ABCMeta) |
| clasă TrainingAlgorithm (obiect): |
| " "Clasa de bază pentru algoritmi de antrenament. |
| Un obiect de algoritm de antrenament are un ciclu de viață simplu. |
| Mai întâi este inițializat apelând metoda sa: meth: `initialize`. |
| În această etapă, de exemplu, funcțiile Theano pot fi compilate. |
| După aceea, metoda: meth: `process_batch` este repetată |
| apelat cu un lot de date de antrenament ca parametru. |
| " " |
| @ abstractmethod |
| inițializare def (auto, ** kwargs): |
| " "Inițializați algoritmul de antrenament." " |
| trece |
| @ abstractmethod |
| def process_batch (self, batch): |
| " "Procesați un lot de date de antrenament. |
| Atribute |
| ---------- |
| lot: dict |
| Un dicționar de (nume sursă, date) perechi. |
| " " |
| trece |
| variable_mismatch_error = " " |
| Blocurile au încercat să potrivească sursele () setului de date de antrenament cu \ |
| numele variabilelor Theano (), dar nu a reușit să o facă. \ |
| Dacă doriți să vă instruiți pe un subset al surselor pe care le furnizează setul dvs. de date, \ |
| transmiteți argumentul cuvântului cheie `surse` constructorului său, utilizați |
| Transformator FilterSources furnizat de Fuel sau treceți pe_unused_sources = 'warn' \ |
| sau on_unused_sources = 'ignora' algoritmului GradientDescent. " " |
| source_missing_error = " " |
| Blocurile nu au găsit toate sursele () setului de date de antrenament \ |
| care se potrivesc cu numele variabilelor Theano (). " " |
| determinism_error = " "Nu se poate deduce lista de parametri într-o ordine fixă. |
| Deoarece dicționarele nu sunt ordonate (iar Python folosește hash randomizat, \ |
| care poate schimba ordinea de iterație din același dicționar dintr-un \ |
| sesiunea de interpret la următoarea), blocurile nu pot deduce lista parametrilor \ |
| dintr-un dicționar simplu de gradienți într-o ordine reproductibilă \ |
| între sesiuni de interpret; vă rugăm să specificați parametrii \ |
| în mod explicit sau treceți gradienții ca un OrderedDict (deși aveți grijă de exercițiu în \ |
| construind acel OrderedDict, ca un OrderedDict creat prin iterație \ |
| peste un iterabil neordonat (de ex. un dict) va avea totuși un arbitrar \ |
| și ordinea imprevizibilă care ar putea cauza probleme cu \ |
| reproductibilitate). " " |
| clasă UpdatesAlgorithm (TrainingAlgorithm): |
| " "Clasa de bază pentru algoritmi care utilizează funcțiile Theano cu actualizări. |
| Parametrii |
| ---------- |
| actualizări: listă de tupluri sau: clasă: ` |