fann_train_on_file

(PECL fann >= 1.0.0)

fann_train_on_file — Обучение на полном наборе данных, прочитанном из файла, на временном интервале

Описание

fann_train_on_file(
    resource $ann,
    string $filename,
    int $max_epochs,
    int $epochs_between_reports,
    float $desired_error
): bool

Обучение на полном наборе данных, прочитанном из файла, на временном интервале.

Это обучение использует алгоритм, выбранный функцией fann_set_training_algorithm() и набор параметров для этих алгоритмов.

Список параметров

ann: Ресурс (resource) нейронной сети.
filename: Файл, содержащий обучающие данные
max_epochs: Максимальное количество эпох, которое должно продолжаться обучение
epochs_between_reports: Количество эпох между вызовами пользовательской функции. Если равно нулю, то функция не будет запускаться.
desired_error: Желаемая fann_get_MSE() или fann_get_bit_fail(), в зависимости от выбранной функции остановки fann_set_train_stop_function()

Возвращаемые значения

Функция возвращает true, если выполнилась успешно, иначе false.

Смотрите также

fann_train_on_data() - Обучение на всем объёме данных на временном интервале
fann_train_epoch() - Обучение в течение одной эпохи
fann_get_bit_fail() - Количество битов сбоя
fann_get_MSE() - Считывает среднеквадратичную ошибку сети
fann_set_train_stop_function() - Устанавливает функцию остановки, используемую во время тренировки
fann_set_training_algorithm() - Устанавливает алгоритм обучения
fann_set_callback() - Устанавливает callback-функцию для использования во время обучения

Нашли ошибку?

Инструкция • Исправление • Сообщение об ошибке

＋Добавить

Примечания пользователей 1 note

down

geekgirljoy at gmail dot com ¶

6 years ago

Training File (xor.data):
4 2 1
-1 -1
-1
-1 1
1
1 -1
1
1 1
-1

<?php
$num_input = 2;
$num_output = 1;
$num_layers = 3;
$num_neurons_hidden = 3;
$desired_error = 0.001;
$max_epochs = 500000;
$epochs_between_reports = 1000;
$training_data = dirname(__FILE__) . "/xor.data";  // training data file
$ann_save_file = dirname(__FILE__) . "/xor_float.net";  // training data file

// Create ANN object using
$ann = fann_create_standard($num_layers, $num_input, $num_neurons_hidden, $num_output);

if ($ann) {
    
    // Configure the ANN Activation Function 
    fann_set_activation_function_hidden($ann, FANN_SIGMOID_SYMMETRIC);
    fann_set_activation_function_output($ann, FANN_SIGMOID_SYMMETRIC);
    
    // Try to train using fann_train_on_file()
    if (fann_train_on_file($ann, $training_data, $max_epochs, $epochs_between_reports, $desired_error)){
        echo 'xor trained.' . PHP_EOL);
    }
    
    // Try to save
    if (fann_save($ann, $ann_save_file)){
        echo 'xor saved.' . PHP_EOL);
    }
    
    // Destroy the $ann object
    fann_destroy($ann);
}
?>

＋Добавить