Weka深度学习4j：使用Weka进行深度学习

标志

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。Weka工作台GUI

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）

Dl4jCNNExplorer和显著性图生成

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

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。