深度学习代码注解（一）—— mnistdeepauto

clear all
close all

%% 1：参数设置
maxepoch=10; %In the Science paper we use maxepoch=50, but it works just fine. 
numhid=1000; numpen=500; numpen2=250; numopen=30;


%% 2：数据准备
fprintf(1,\'Converting Raw files into Matlab format \n\');
converter; 

fprintf(1,\'Pretraining a deep autoencoder. \n\');
fprintf(1,\'The Science paper used 50 epochs. This uses %3i \n\', maxepoch);

makebatches;
% batchdata，第二个维度上的像素值，是 0-1 之间；
[numcases, numdims, numbatches]=size(batchdata);
                        % [100*784*600]，100*600 ==> 60000，也恰是训练样本的数目，也即batchdata存储的全部是训练样本（不包括 targets）；             
                        % numcases：行数（batch_size，块内样本的数目），样本数目，numdims：维度数目，列数，
                        % numbatches：块的数目
%% 3：逐层训练
% 第一层： numdims ⇒ numhid（784 ⇒  1000）
fprintf(1,\'Pretraining Layer 1 with RBM: %d-%d \n\',numdims,numhid);
restart=1;
rbm;
hidrecbiases=hidbiases; 
save mnistvh vishid hidrecbiases visbiases;

% 第二层：numhid ⇒ numen （1000 ==> 500）
fprintf(1,\'\nPretraining Layer 2 with RBM: %d-%d \n\',numhid,numpen);
batchdata = batchposhidprobs;           % 第二层的输入
numhid=numpen;
restart=1;
rbm;
hidpen=vishid; penrecbiases=hidbiases; hidgenbiases=visbiases;
save mnisthp hidpen penrecbiases hidgenbiases;

% 第三层：numen ⇒ numen（500 ⇒ 250）
fprintf(1,\'\nPretraining Layer 3 with RBM: %d-%d \n\',numpen,numpen2);
batchdata=batchposhidprobs;
numhid=numpen2;
restart=1;
rbm;
hidpen2=vishid; penrecbiases2=hidbiases; hidgenbiases2=visbiases;
save mnisthp2 hidpen2 penrecbiases2 hidgenbiases2;

% 第四层：numen2 ⇒ numopen（250 ==> 30）
fprintf(1,\'\nPretraining Layer 4 with RBM: %d-%d \n\',numpen2,numopen);
batchdata=batchposhidprobs;
numhid=numopen; 
restart=1;
rbmhidlinear;
hidtop=vishid; toprecbiases=hidbiases; topgenbiases=visbiases;
save mnistpo hidtop toprecbiases topgenbiases;

backprop;