Reti neurali convoluzionali in R

8

Non vedo un pacchetto per fare reti neurali convoluzionali in R. Qualcuno ha implementato questo tipo di algoritmo in R?

r convnet software-recommendation

— Hack-R
fonte

non la penso così, anche se fosse stata implementata, probabilmente non avrebbe supporto per l'utilizzo. Suggerirei Tensorflow o Skflow per Python, caffe per C ++ o caffe on spark per Apache Spark.

— GameOfThrows

@GameOfThrows Grazie, penso che tu abbia ragione. Io uso tensorflow e Caffe ma mi piacerebbe proprio come usare R.

— Hack-R

3

Immagino non ci sia un pacchetto per CN, ma puoi scrivere il tuo livello convoluzionale. mxnet o h2o saranno utili per questo.

controllalo:

http://dmlc.ml/rstats/2015/11/03/training-deep-net-with-R.html

— Silverstone
fonte

3

I seguenti 2 pacchetti sono disponibili in R per l'allenamento della rete neurale profonda:

darch : pacchetto per architetture profonde e macchine Boltzmann limitate. Il pacchetto darch è costruito sulla base del codice di GE Hinton e RR Salakhutdinov (disponibile sotto il codice Matlab per reti di credenze profonde). Questo pacchetto serve per generare reti neurali con molti livelli (architetture profonde), addestrarle e perfezionarle con algoritmi di addestramento noti come backpropagation o gradienti coniugati. Inoltre, la messa a punto supervisionata può essere migliorata con maxout e dropout, due tecniche recentemente sviluppate per migliorare la messa a punto per l'apprendimento profondo. Link CRAN: http://cran.um.ac.ir/web/packages/darch/index.html
deepnet : toolkit di deep learning in R. Implementa alcune architetture di deep learning e algoritmi di rete neurale, tra cui BP, RBM, DBN, Deep autoencoder e così via. Link CRAN: https://cran.r-project.org/web/packages/deepnet/index.html

— Sandeep S. Sandhu
fonte

Grazie per la tua risposta. Ho usato entrambi e non pensavo che fornissero algoritmi CNN? Ho appena cercato la documentazione per entrambi per la parola convoluzionale e non è emerso nulla. Hanno davvero questa funzionalità?

— Hack-R

2

Penso che mxnet sia una delle migliori opzioni se si codifica in R. Hanno un wrapper R ma il core è in C ++.

Hanno diversi esempi nel web. Uno di questi è il riconoscimento dei caratteri con il database MNIST. Hanno il supporto per multi-gpus e anche per Spark.

— hoaphumanoid
fonte

Sì, anche RNN, LSTM. Hanno molti esempi nel loro github

— hoaphumanoid,

Ah, sì grazie. Ho usato mxnet per la classificazione delle immagini ma non pensavo che avesse gli algoritmi CNN per lo stesso. Vedo un esempio di classificazione del testo della CNN. Probabilmente avrei dovuto specificare la classificazione delle immagini. Tuttavia, forse può essere sfruttato come tale. Lo esaminerò. Grazie! +1

— Hack-R

0

Il pacchetto MXNetR è un'interfaccia della libreria MXNet scritta in C ++. Contiene reti neurali feed-forward e reti neurali convoluzionali (CNN) (MXNetR 2016a).

https://www.is.uni-freiburg.de/resources/r-oeffentlicher-zugriff/deep-learning-in-r/deep-learning-in-r-en?set_language=en

— skan
fonte

0

Tensorflow per R è disponibile.
Fornisce accesso completo all'API Tensorflow , all'API Keras e agli stimatori Tensorflow .
Installazione di Tensorflow (estratto seguente) -> https://tensorflow.rstudio.com/tensorflow/

Installazione

Per iniziare, installa il pacchetto tensorflow R da GitHub come segue:
devtools::install_github("rstudio/tensorflow")
Quindi, utilizzare la funzione install_tensorflow () per installare TensorFlow:
library(tensorflow)
install_tensorflow() 
Puoi confermare che l'installazione è riuscita con:
sess = tf$Session() hello <- tf$constant('Hello, TensorFlow!')
sess$run(hello) 
Ciò fornirà un'installazione predefinita di TensorFlow adatta per iniziare con il pacchetto tensorflow R. Consulta l'articolo sull'installazione per conoscere le opzioni più avanzate, inclusa l'installazione di una versione di TensorFlow che sfrutta le GPU Nvidia se hai installato le librerie CUDA corrette.

— Adrian Torrie
fonte