深度學習｜內行人的做法

188

|

第五章：打造深度網路

for ( int n = 0; n < nEpochs; n++) {

model.fit( trainingDataIter );

}

在本章後面的例子中，我們還會經常看到這種利用迴圈來管理 epoch 階段的類似做法。

做出預測

如果想要對做出預測有更好地理解，你應該去看一下附錄 E 的內容。

訓練組、驗證組與測試組資料

除了從訓練資料中切分出訓練組與測試組之外，也可以再切分出一個驗證組，這種做法

一般認為是最佳的實務做法。我們可以使用驗證組資料，來告訴我們何時可以早一點停

止訓練。

使用多層感知器網路，為 CSV 資料建立模型

DL4J 一開始對於深度學習新鮮人來說似乎有點複雜，因此我們先從如何打造多層感

知器模型開始談起。這樣就可以讓你從比較容易理解的神經網路架構中，看到 DL4J

API 的基本用法。在本書隨附的 GitHub 儲存庫中，有一個針對非線性合成資料集進行

模型化的 Java 範例

5

，其名稱叫做 Saturn（土星）。範例 5-1 就是來自該範例的程式碼

（

http://bit.ly/2txQnwR

）：

範例

5-1

　多層感知器的

Java

程式碼範例

public class MLPClassifierSaturn {

public static void main(String[] args) throws Exception {

Nd4j.ENFORCE_NUMERICAL_STABILITY = true;

int batchSize = 50;