Weka深度学习4j:使用Weka进行深度学习
WekaDeeplearning4j是针对韦卡工作台。它是为了将现代深度学习技术融入维卡而开发的。后端由深度学习4jJava库。
此包的源代码位于github。可以找到java-doc在这里.
功能
此包的所有功能都可以通过Weka GUI、命令行和Java编程访问。
以下神经网络层可用于构建复杂的体系结构:
- 卷积层:应用卷积,用于图像和文本嵌入
- 致密层:所有单元都连接到其父层的所有单元
- 子采样层:通过不同策略(平均值、最大值等)从父层的单元组中进行子采样
- 批次规格化:对父层的激活应用通用批处理规范化策略
- LSTM公司:使用长短记忆方法
- 全局池层:随时间推移为RNN应用池,为序列上应用的CNN应用池
- 输出层:生成分类/回归输出
可以在中找到更多配置入门和示例部分。
新版本(1.7.2)
此版本添加了IsGPU可用
工具,类似于Keras、TF等,它提供了一种简单的方法来检查GPU驱动程序加载正确。查看使用说明沿着GPU设置说明。
新版本(1.7.0)
Dl4j推理面板和Dl4jCNNExplorer
一个主要新增功能Weka深度学习4jv1.7.0是新版本Dl4jCNN探险家和关联的GUIDl4j推断面板这给WEKA宇宙带来了实时推断,允许您在图像上快速运行图像分类CNN模型,而无需加载整个.arff格式
文件。
这个Dl4jCNN探险家支持自定义训练Dl4jMlp分类器
和一个来自模型动物园,所以它可以用来验证模型的预测能力或者简单地使用预处理模型,探索最先进的架构可能最适合您的领域。
查看使用示例看看开始有多容易。
利用ScoreCAM生成显著图
另一个令人兴奋的新特性是实现记分摄像头,一种显著图生成技术。可以通过Dl4jCNN探险家
,不仅可以对图像执行预测,但看看什么在您的模型用于预测的图像中。
这可以从命令行调用,尽管最好的用户体验是使用显著性地图查看器,它允许您快速自定义ScoreCAM目标类。
查看使用示例查看可以为您的工作流带来哪些新见解。
进度经理
我们创建了一个简单但有效的进度条,并将其添加到长期运行的任务中(模型训练、特征提取等)。这提供了进度和剩余时间的图形指示器当前作业的ETA将使WEKA更适用于大型作业。
模型摘要
我们还添加了模型摘要文档中指定了不同的模型及其层。这对设计很有用您自己的体系结构或使用Dl4jMlp过滤器
,当使用中间层进行特征提取时。
引用
如果在学术出版物中使用此软件包,请引用以下论文:
S.Lang、F.Bravo-Marquez、C.Beckham、M.Hall和E.FrankWekaDeeplearning4j:基于DeepLearning4j的Weka深度学习包,输入基于知识的系统第178卷,2019年8月15日,第48-50页。DOI:10.1016/j.knosys.2019.04.013(作者版本)
BibTex公司:
@文章{lang2019wekadeeplearning4j,title={WekaDeeplearning4j:基于Deeplearing4j}的Weka深度学习包,author={Lang、Steven和Bravo-Marquez、Felipe和Beckham、Christopher和Hall、Mark和Frank、Eibe},journal={基于知识的系统},volume=“178”,pages=“48-50”,year=“2019”,issn=“0950-7051”,doi=“https://doi.org/10.1016/j.knosys.2019.04.013”,url=“http://www.sciencedirect.com/science/article/pii/S0950705119301789”,publisher={Elsevier}}
贡献
随时欢迎捐款。如果你想为项目做出贡献,请查看我们的捐款指南.
未来的工作
WekaDeeplearning4j的未来工作将包括网络权重和激活可视化,并支持多个嵌入作为文本数据的输入通道。