从零开始：你也能创建随时可用神经网络

　　伴随项目中包含了训练有素的网络mynetwork.nippy的副本。 网络的损失方面让人比较满意，值接近于零，如下所示。　　

　　让我们用手动定义的自定义输入来给新训练的网络一个镜头。

　　这非常接近预期的0 * 1 = 0输出。

　　现在，让我们尝试一下网络从来没有见过的双值元组。

　　7.42比预期的结果相当好，5 * 1.5 = 7.5。

　　使用网络

　　正如你所见，训练有素的网络被保存在一个NIPPY文件中。 该文件可以被网络的外部“用户”加载和使用。 从现在开始，如果你看看提供的笔记本，你可以加载下面的注释：　　

　　用户需要一些名称空间。 本教将执行命名空间（即util）用于从文件中加载网络，并且由Gorilla插件提供绘图来绘制值。

　　之后，我们计划绘制预期的结果与网络提供的结果。

　　加载训练好的网络是使用Cortex提供的read-nippy-file功能的简单方法。

　　我们以前没有看过，但是网络确实是一个地图，你可以检查它的顶级密钥。

　　检查网络经历的历元数量以及当前的损失值是一个好主意。　　

　　你可以确认载入网络的结果与上一节中刚刚接受训练的版本相同。　　

　　现在，让我们用加载的网络生成一堆结果并绘制它们。 （在新的输入集上运行网络对于你来说现在可能是微不足道的！）

　　当然，我们可以检查网络产生的一些结果值。　　

　　可以使用Gorilla提供的来自 Gorilla-plot.core命名空间的绘图功能进行绘图。 在这里，我们将只关注输出，将使用Clojure的平坦函数来创建一个输出值的平集合，而不是在结果中找到的向量序列。

　　在指定颜色后，知道图应该使用线条而不是点，可以在浏览器REPL中直接看到下面的图形。

　　你也可以生成一个由已知或未隐藏函数直接产生的预期结果与训练网络产生的结果组成的“组合”图。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!