2 Agosto 2019

r 딥 러닝 예제

kerasR에는 원래 Keras 패키지와 완전히 같은 방식으로 명명된 함수가 포함되어 있습니다. 예를 들어, 초기 (파이썬) 컴파일() 함수를 keras_compile()라고 합니다. keras_fit() 또는 kerasSR 패키지를 사용할 때 keras_predict인 예측()과 같은 다른 함수도 마찬가지입니다. 이들은 모두 사용자 지정 래퍼입니다. 기본 회귀는 Keras와 함께 제공되는 유명한 보스턴 하우징 데이터 세트의 예로 연속 변수를 예측하는 작업을 보여줍니다. CRAN을 통해 사용할 수 있는 패키지를 설치하는 것은 일반적으로 매우 간단하고 부드럽습니다. 그러나 일부 패키지는 타사 라이브러리에 따라 다릅니다. 예를 들어, H2O는 자바 개발 키트뿐만 아니라 자바의 최신 버전이 필요합니다. 다크 및 MXNetR 패키지를 사용하면 GPU를 사용할 수 있습니다. 그 목적을 위해, 다크 는 R 패키지 gputools에 따라 달라 집니다., 리눅스와 맥 OS 시스템에서만 지원 되는. MXNetR은 기본적으로 cuDNN에 대한 의존성으로 인해 GPU 지원 없이 배송되며, 라이선스 제한으로 인해 패키지에 포함될 수 없습니다. 따라서 MXNetR의 GPU 버전은 CUDA SDK 및 cuDNN을 사용하여 소스에서 MXNet을 컴파일하기 위해 Rtools 및 C++11 지원을 지원하는 최신 컴파일러가 필요합니다. 대안으로, 다음 예제에서는 깊은 신념 네트워크(dbn.dnn.train()를 통해 가중치가 초기화되는 신경망을 훈련시다.

차이점은 주로 제한된 Boltzmann 기계를 훈련시키는 대조적인 발산 알고리즘에 있습니다. 학습 알고리즘 내에서 Gibbs 샘플링에 대한 반복 횟수를 제공하는 CD를 통해 설정됩니다. 전부, 우리는 딥 러닝에 대한 R 지원이 잘 진행되고 있음을 알 수 있습니다. 처음에 R의 제공 된 기능은 다른 프로그래밍 언어보다 뒤쳐졌습니다. 그러나 더 이상 그렇지 않습니다. H20 및 MXnetR을 사용하면 R 사용자는 두 가지 강력한 도구를 손쉽게 볼 수 있습니다. 미래에는 카페 나 토치와 같은 추가 인터페이스를 보는 것이 바람직 할 것입니다. 프랑수아 콜렛은 구글의 딥 러닝 연구원이자 케라스 도서관의 저자입니다. 1. 그래서 R은 파이썬에 비해 몇 가지 제한이 있어 R에서 pyhton 또는 딥 러닝으로 동등하게 할 수 있습니까? 이러한 경우에 대한 개인적인 권장 사항은 Coursera에 앤드류 Ng의 딥 러닝 전문 (비디오는 무료로 볼 수 있습니다) 및 책 (들) 및 길버트 스트랭에 의해 선형 대수에 기록 된 강의를 포함 할 것이다. R에서 케라스의 출시와 함께,이 싸움은 다시 중심에있다. 파이썬은 천천히 딥 러닝 모델의 사실상 언어가되었습니다.

그러나 현재 의 백 엔드에서 텐서 플로우 (CPU 및 GPU 호환성)와 R에서 케라스 라이브러리의 출시와 함께, R도 딥 러닝 공간에서 연단에 대한 파이썬 싸울 가능성이 높습니다. Keras를 시작하는 것은 파이썬의 딥 러닝에 익숙해지는 가장 쉬운 방법 중 하나이며, kerasR 및 keras 패키지가 R 사용자를위한이 환상적인 패키지에 대한 인터페이스를 제공하는 이유를 설명합니다. 우선, 기본 학습 알고리즘은 패키지마다 크게 다릅니다. 따라서 표 1은 각 패키지에서 사용 가능한 메서드/아키텍처 목록을 보여 주며 있습니다. 이것이 R의 첫 번째 딥 러닝 모델이라면, 당신이 그것을 즐겼기를 바랍니다. 매우 간단한 코드를 사용하면 98 %의 정확도로 손으로 쓴 숫자를 분류 할 수 있었습니다. 이것은 딥 러닝을 시작하기에 충분한 동기 부여가 되어야 합니다. 깊은 믿음 네트워크의 훈련은 darch() 함수를 통해 수행됩니다. 파이썬에서 keras 딥 러닝 라이브러리를 이미 사용한 경우 R의 keras 라이브러리의 구문과 구조가 파이썬의 구문과 구조와 매우 유사합니다.

Contact us

Get in touch with us!