
254 | Rozdział 11: Wykrywanie cech przy użyciu sieci głębokiego przekonania
plt.show()
def one_hot(series):
label_binarizer = pp.LabelBinarizer()
label_binarizer.fit(range(max(series)+1))
return label_binarizer.transform(series)
#
Utwórz wektory 1 z n dla oznakowań
y_train_oneHot = one_hot(y_train)
y_validation_oneHot = one_hot(y_validation)
y_test_oneHot = one_hot(y_test)
Ograniczone automaty Boltzmanna
Następnie zdeniujmy klasę RBM, abyśmy mogli szkolić kilka automatów RBM (które
sąelementami składowymi sieci DBN) wkrótkim odstępie czasu.
Pamiętajmy, żeautomaty RBM mają warstwę wejściową (określaną też jako warstwa
widoczna) ipojedynczą ...