如何序列化/反序列化的pybrain网络？

PyBrain是一个python库，提供（除其他外）易于使用的人工神经网络。如何序列化/反序列化的pybrain网络？

我无法正确使用pickle或cPickle对PyBrain网络进行序列化/反序列化。

参见下面的示例：

from pybrain.datasets   import SupervisedDataSet 
from pybrain.tools.shortcuts  import buildNetwork 
from pybrain.supervised.trainers import BackpropTrainer 
import cPickle as pickle 
import numpy as np 

#generate some data 
np.random.seed(93939393) 
data = SupervisedDataSet(2, 1) 
for x in xrange(10): 
    y = x * 3 
    z = x + y + 0.2 * np.random.randn() 
    data.addSample((x, y), (z,)) 

#build a network and train it  

net1 = buildNetwork(data.indim, 2, data.outdim) 
trainer1 = BackpropTrainer(net1, dataset=data, verbose=True) 
for i in xrange(4): 
    trainer1.trainEpochs(1) 
    print '\tvalue after %d epochs: %.2f'%(i, net1.activate((1, 4))[0])

这是上面的代码的输出：

Total error: 201.501998476 
    value after 0 epochs: 2.79 
Total error: 152.487616382 
    value after 1 epochs: 5.44 
Total error: 120.48092561 
    value after 2 epochs: 7.56 
Total error: 97.9884043452 
    value after 3 epochs: 8.41

正如你可以看到，随着训练的进行网络总误差降低。你也可以看到，预测值接近的12

预期值，现在我们会做类似的工作，但将包括序列化/反序列化：

print 'creating net2' 
net2 = buildNetwork(data.indim, 2, data.outdim) 
trainer2 = BackpropTrainer(net2, dataset=data, verbose=True) 
trainer2.trainEpochs(1) 
print '\tvalue after %d epochs: %.2f'%(1, net2.activate((1, 4))[0]) 

#So far, so good. Let's test pickle 
pickle.dump(net2, open('testNetwork.dump', 'w')) 
net2 = pickle.load(open('testNetwork.dump')) 
trainer2 = BackpropTrainer(net2, dataset=data, verbose=True) 
print 'loaded net2 using pickle, continue training' 
for i in xrange(1, 4): 
     trainer2.trainEpochs(1) 
     print '\tvalue after %d epochs: %.2f'%(i, net2.activate((1, 4))[0])

这是此块的输出：

creating net2 
Total error: 176.339378639 
    value after 1 epochs: 5.45 
loaded net2 using pickle, continue training 
Total error: 123.392181859 
    value after 1 epochs: 5.45 
Total error: 94.2867637623 
    value after 2 epochs: 5.45 
Total error: 78.076711114 
    value after 3 epochs: 5.45

正如你所看到的，似乎培训网络（报告的总误差值继续下降），但是网络的输出值冻结的，这是相关的第一个值上有一定的影响训练迭代。

是否有任何需要注意的缓存机制会导致此错误行为？是否有更好的方法来序列化/反序列化pybrain网络？

相关版本号：

的Python 2.6.5（R265：79096，2010年3月19日，21时48分26秒）[MSC v.1500 32位（英特尔）]
numpy的1.5。 1
cPickle的1.71
pybrain 0.3

PS我已经在该项目的网站上创建a bug report，将保留两个SO和bug跟踪系统updatedj

来源

2010-12-02 Boris Gorelik

您确定在重新加载`net2`后，不应该再次执行`trainer2 = BackpropTrainer（net2，dataset = data，verbose = True）`？ – 2010-12-02 13:15:02

原因

导致这种行为的机制是在PyBrain参数（.params）和衍生物（.derivs）处理模块：实际上，所有网络参数都存储在一个阵列中，但个别的Module或Connection对象可以访问“他们自己的”.params，但它们只是整个阵列的一部分的视图。这允许在相同的数据结构上进行本地和全网络的写入和读出。

很显然，这个切片视图链接会因酸洗而不知所措。

解决方案

插入

net2.sorted = False 
net2.sortModules()

从文件（其中再现了这个共享）加载后，它应该工作。

来源

2010-12-02 14:24:15 schaul

如何序列化/反序列化的pybrain网络？

回答

相关问题