深度學習｜內行人的做法

430

|

第九章：在 Spark 上使用深度學習與 DL4J

這兩個區別實際上就是本範例與第 5 章的範例之間少數的重大改變，而我們在多層感知

器 Spark 範例中，也看到了相同的改變。這些改變並不會牽涉到許多行的程式碼，因此

我們可以再次看到，從本機學習工作流程跳到 Spark 機器學習工作流程，並不是一件很

困難的事。為了進一步強化這個想法，我們就來看看在這個範例中，LSTM 網路是如何

定義的。

設定 LSTM 網路架構

接下來我們特別強調的這段程式碼（來自前一節），其中有趣之處在於，它與第 5 章的

單行程版本程式碼範例是完全相同的：

// 設定網路相關配置：

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()

.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)

.iterations(1)

.learningRate(0.1)

.rmsDecay(0.95)

.seed(12345)

.regularization(true)

.l2(0.001)

.weightInit(WeightInit.XAVIER)

.updater(Updater.RMSPROP)

.list()

.layer(0, new GravesLSTM.Builder().nIn(CHAR_TO_INT.size())

.nOut(lstmLayerSize).activation(Activation.TANH).build()) ...