【问题标题】:Is it possible to train a neural network with multiple hidden layers in Vowpal Wabbit?是否可以在 Vowpal Wabbit 中训练具有多个隐藏层的神经网络?
【发布时间】:2015-10-23 17:58:44
【问题描述】:

我知道训练单层神经网络的语法是:

vw -d data.vw --nn 10

(谢谢,FastML)

如果我想添加第二层,比如 5 个节点,该怎么办?那可能吗?

更新

对于那些有兴趣在应用环境中使用大众神经网络的人,我已经发布了一个公共 Google 驱动器,该驱动器链接到与此问题相关的工作示例:https://drive.google.com/open?id=0BzKSYsAMaJLjZzJlWFA2N3NnZGc

【问题讨论】:

    标签: neural-network vowpalwabbit


    【解决方案1】:

    大众没有能力构建超过 1 个隐藏层(使用-nn X)。您必须使用不同的非线性算法或不同的框架。

    【讨论】:

    • 顺便说一句,当你说我必须使用不同的“非线性算法”时,你对 Vowpal 有什么特别的想法吗?我们绝对喜欢 VW 的执行速度,它能够与任意数量的特征空间进行交互,并且能够挑选出时间连续的影响,但我不确定它在描述高度非线性方面有多好(复杂的回归问题几乎总是存在)。
    • 我不确定。但我会尝试 1 层是否足以满足您的数据(在大多数情况下是:cstheory.stackexchange.com/questions/17545/…)
    • 好的,谢谢你的链接。现在给你的最后两个问题——你是否发现当特征被平均方差缩放时,大众网络的性能有所提高,或者算法是否足够灵活以适应一组非缩放的特征?二进制编码的 [-1, 1] 和连续目标变量一样好吗?
    猜你喜欢
    • 2016-01-31
    • 2014-07-24
    • 1970-01-01
    • 1970-01-01
    • 2017-02-25
    • 2021-09-02
    • 2014-06-23
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多