📅  最后修改于: 2020-12-10 04:58:12        🧑  作者: Mango

Microsoft认知工具包(CNTK)，以前称为计算网络工具包，是一种免费，易于使用的开源商业级工具包，使我们能够训练深度学习算法来像人脑一样学习。它使我们能够创建一些流行的深度学习系统，例如前馈神经网络时间序列预测系统和卷积神经网络(CNN)图像分类器。对于对深度学习或人工神经网络感兴趣或将其作为课程一部分的研究生，研究生和研究型学生，本教程将非常有用。读者可以是初学者或高级学习者。先决条件读...

📅  最后修改于: 2020-12-10 04:58:36        🧑  作者: Mango

在本章中，我们将学习什么是CNTK，其功能，1.0和2.0版之间的区别以及2.7版的重要亮点。什么是Microsoft认知工具包(CNTK)?Microsoft Cognitive Toolkit(CNTK)，以前称为Computational Network Toolkit，是一种免费，易于使用的开源商业级工具包，使我们能够训练深度学习算法来像人脑一样学习。它使我们能够创建一些流行的深度学习系统...

📅  最后修改于: 2020-12-10 04:59:10        🧑  作者: Mango

在这里，我们将了解在Windows和Linux上CNTK的安装。此外，本章还介绍了安装CNTK软件包，安装Anaconda，CNTK文件，目录结构和CNTK库组织的步骤。先决条件为了安装CNTK，我们必须在计算机上安装Python 。您可以转到链接https：// www。 Python.org / downloads /并为您的操作系统选择最新版本，即Windows和Linux / Unix。有...

📅  最后修改于: 2020-12-10 04:59:35        🧑  作者: Mango

Microsoft Cognitive Toolkit提供了两种不同的生成版本，即仅CPU和仅GPU。仅CPU构建版本CNTK的仅CPU构建版本使用经过优化的Intel MKLML，其中MKLML是MKL(数学内核库)的子集，并与Intel MKL-DNN一起发布，作为MKL-DNN的Intel MKL的终止版本。仅GPU构建版本另一方面，仅GPU的CNTK构建版本使用高度优化的NVIDIA库，例...

📅  最后修改于: 2020-12-10 05:00:01        🧑  作者: Mango

在本章中，我们将详细了解CNTK中的序列及其分类。张量CNTK工作的概念是张量。基本上，CNTK的输入，输出以及参数被组织为张量，通常被认为是广义矩阵。每个张量都有一个等级–等级0的张量是标量。等级1的张量是一个向量。等级2的张量是矩阵。在这里，这些不同的尺寸称为轴。静态轴和动态轴顾名思义，静态轴在网络的整个生命周期中具有相同的长度。另一方面，动态轴的长度可能因实例而异。实际上，通常在呈现每个小批...

📅  最后修改于: 2020-12-10 05:00:43        🧑  作者: Mango

本章涉及在CNTK中构建逻辑回归模型。Logistic回归模型的基础Logistic回归是最简单的ML技术之一，是一种专门用于二进制分类的技术。换句话说，在预测变量的值可能只是两个分类值之一的情况下创建预测模型。 Logistic回归的最简单例子之一是根据人的年龄，声音，头发等来预测该人是男性还是女性。例让我们借助另一个示例在数学上理解Logistic回归的概念-假设我们要预测贷款申请的信用价值；...

📅  最后修改于: 2020-12-10 05:01:15        🧑  作者: Mango

本章讨论有关CNTK的神经网络概念。众所周知，多层神经元被用于制造神经网络。但是，出现的问题是，在CNTK中，我们如何对NN的各个层进行建模?可以借助图层模块中定义的图层功能来完成。图层函数实际上，在CNTK中，使用这些层具有独特的功能编程感觉。图层函数看起来像常规函数，它会生成带有一组预定义参数的数学函数。让我们看看如何在layer函数的帮助下创建最基本的图层类型Dense。例借助以下基本步骤，...

📅  最后修改于: 2020-12-10 05:01:46        🧑  作者: Mango

本章将详细介绍如何在CNTK中创建神经网络。建立网络结构为了应用CNTK概念构建我们的第一个NN，我们将使用NN根据萼片宽度和长度以及花瓣宽度和长度的物理属性对鸢尾花的种类进行分类。我们将使用虹膜数据集的数据集，该数据集描述了不同品种的鸢尾花的物理特性-萼片长度萼片宽度花瓣长度花瓣宽度类，即鸢尾鸢尾花或杂色鸢尾花或初春鸢尾花在这里，我们将构建一个称为前馈NN的常规NN。让我们看看构建NN结构的实现...

📅  最后修改于: 2020-12-10 05:02:28        🧑  作者: Mango

在这里，我们将了解有关在CNTK中训练神经网络的信息。在CNTK中训练模型在上一节中，我们定义了深度学习模型的所有组件。现在该训练它了。如前所述，我们可以使用学习者和训练者的组合训练CNTK中的NN模型。选择一个学习者并进行培训在本节中，我们将定义学习者。 CNTK提供了一些学习者供您选择。对于前面几节中定义的模型，我们将使用随机梯度下降(SGD)学习器。为了训练神经网络，让我们在以下步骤的帮助下...

📅  最后修改于: 2020-12-10 05:04:09        🧑  作者: Mango

在本章中，我们将学习如何使用CNTK中的内存和大型数据集。使用内存较小的数据集进行训练当我们谈论将数据馈入CNTK培训器时，可以有很多方法，但这取决于数据集的大小和数据的格式。数据集可以是小型内存数据集，也可以是大型数据集。在本节中，我们将使用内存数据集。为此，我们将使用以下两个框架-脾气暴躁的大熊猫使用Numpy数组在这里，我们将使用CNTK中基于numpy的随机生成的数据集。在此示例中，我们将...

📅  最后修改于: 2020-12-10 05:04:46        🧑  作者: Mango

本章将说明如何在CNKT中测量模型性能。验证模型性能的策略建立ML模型后，我们通常使用一组数据样本对其进行训练。由于进行了这种培训，我们的机器学习模型学习并得出了一些通用规则。当我们向模型提供新样本(即与训练时提供的样本不同)时，ML模型的性能至关重要。在这种情况下，模型的行为会有所不同。对这些新样本做出好的预测可能会更糟。但是该模型也必须适用于新样本，因为在生产环境中，我们将获得与用于训练目的的...

📅  最后修改于: 2020-12-10 05:05:36        🧑  作者: Mango

在本章中，我们将研究如何使用CNTK对神经网络进行分类。介绍分类可以定义为预测给定输入数据的分类输出标签或响应的过程。分类输出将基于模型在训练阶段所学到的内容，形式可以是“黑色”或“白色”或“垃圾邮件”或“无垃圾邮件”。另一方面，在数学上，这是从输入变量说X到输出变量说Y近似映射函数说f的任务。分类问题的经典示例可以是电子邮件中的垃圾邮件检测。显然，只能有两类输出，“垃圾邮件”和“无垃圾邮件”。为...

📅  最后修改于: 2020-12-10 05:06:23        🧑  作者: Mango

在本章中，让我们了解什么是使用CNTK的神经网络二进制分类。使用NN的二进制分类就像多类分类，唯一的事情是只有两个输出节点，而不是三个或更多。在这里，我们将通过使用两种技术，即一节点和两节点技术，使用神经网络执行二进制分类。单节点技术比两节点技术更为普遍。加载数据集对于这两种使用NN实现的技术，我们将使用钞票数据集。该数据集可以从UCI机器学习存储库中下载，该存储库可从https://archiv...

📅  最后修改于: 2020-12-10 05:07:12        🧑  作者: Mango

本章将帮助您了解有关CNTK的神经网络回归。介绍众所周知，为了从一个或多个预测变量预测数值，我们使用回归。让我们以预测100个城镇之一的房屋中位数为例。为此，我们拥有的数据包括-每个城镇的犯罪统计数据。每个镇上房屋的年龄。从每个镇到主要位置的距离的度量。每个镇的师生比例。每个镇的种族人口统计数据。每个城镇的房屋中位价。基于这五个预测变量，我们希望预测房屋中位数。为此，我们可以沿着-在上面的方程式中...

📅  最后修改于: 2020-12-10 05:07:48        🧑  作者: Mango

本章将帮助您了解如何衡量CNTK中分类模型的性能。让我们从混淆矩阵开始。混淆矩阵混淆矩阵-包含预期输出与预期输出的表是衡量分类问题性能的最简单方法，其中输出可以是两种或多种类型的类别。为了了解其工作原理，我们将为二进制分类模型创建一个混淆矩阵，该模型可预测信用卡交易是正常交易还是欺诈交易。它显示如下-Actual fraudActual normalPredicted fraudTrue posi...