Redes neurais convolucionais em R

8

Não vejo um pacote para redes neurais convolucionais em R. Alguém implementou esse tipo de algoritmo em R?

r convnet software-recommendation

— Hack-R
fonte

não pense assim, mesmo que fosse implementado, provavelmente não teria suporte para o uso. Sugiro Tensorflow ou Skflow para python, caffe para C ++ ou caffe on spark para Apache Spark.

— GameOfThrows 25/05

@GameOfThrows Obrigado, acho que você está certo. Eu uso Tensorflow e Caffe, mas eu tinha acabado de como usar R.

— Hack-R

3

Eu acho que não há pacote para o cnn, mas você pode escrever sua própria camada convolucional. mxnet ou h2o serão úteis para isso.

Veja isso:

http://dmlc.ml/rstats/2015/11/03/training-deep-net-with-R.html

— Silverstone
fonte

3

Os 2 pacotes a seguir estão disponíveis no R para treinamento em rede neural profunda:

darch : Pacote para arquiteturas profundas e máquinas Boltzmann restritas. O pacote darch é construído com base no código da GE Hinton e RR Salakhutdinov (disponível no Código Matlab para redes de crenças profundas). Este pacote é para gerar redes neurais com muitas camadas (arquiteturas profundas), treiná-las e aperfeiçoá-las com algoritmos de treinamento conhecidos comuns, como retropropagação ou gradientes conjugados. Além disso, o ajuste fino supervisionado pode ser aprimorado com maxout e dropout, duas técnicas recentemente desenvolvidas para melhorar o ajuste fino para aprendizado profundo. Link CRAN: http://cran.um.ac.ir/web/packages/darch/index.html
deepnet : kit de ferramentas de aprendizado profundo em R. Implemente algumas arquiteturas de aprendizado profundo e algoritmos de rede neural, incluindo BP, RBM, DBN, autoencoder profundo e assim por diante. Link CRAN: https://cran.r-project.org/web/packages/deepnet/index.html

— Sandeep S. Sandhu
fonte

Obrigado pela sua resposta. Eu usei os dois e não acho que eles forneceram algoritmos CNN? Eu apenas procurei na documentação por ambos a palavra convolucional e nada surgiu. Eles realmente têm essa funcionalidade?

— Hack-R

2

Eu acho que o mxnet é uma das melhores opções se você codificar em R. Eles têm um wrapper R, mas o núcleo está em C ++.

Eles têm vários exemplos na web. Um deles é o reconhecimento de caracteres no banco de dados MNIST. Eles têm suporte para multi-gpus e também para Spark.

— hoaphumanoid
fonte

Sim, também RNN, LSTM. Eles têm muitos exemplos no github

— hoaphumanoid

Ah, obrigado. Eu usei o mxnet para classificação de imagens, mas não achei que tivesse algoritmos CNN para o mesmo. Eu vejo um exemplo de classificação de texto da CNN. Eu provavelmente deveria ter especificado a classificação da imagem. Ainda assim, talvez possa ser aproveitado como tal. Vou dar uma olhada. Obrigado! 1

— Hack-R

0

O pacote MXNetR é uma interface da biblioteca MXNet escrita em C ++. Ele contém redes neurais feed-forward e redes neurais convolucionais (CNN) (MXNetR 2016a).

https://www.is.uni-freiburg.de/resources/r-oeffentlicher-zugriff/deep-learning-in-r/deep-learning-in-r-en?set_language=en

— skan
fonte

0

Tensorflow para R está disponível.
Ele fornece acesso total à API do Tensorflow , à API Keras e aos estimadores de Tensorflow .
Instalação do Tensorflow (trecho abaixo) -> https://tensorflow.rstudio.com/tensorflow/

Instalação

Para começar, instale o pacote tensorflow R no GitHub da seguinte maneira:
devtools::install_github("rstudio/tensorflow")
Em seguida, use a função install_tensorflow () para instalar o TensorFlow:
library(tensorflow)
install_tensorflow() 
Você pode confirmar que a instalação foi bem-sucedida:
sess = tf$Session() hello <- tf$constant('Hello, TensorFlow!')
sess$run(hello) 
Isso fornecerá uma instalação padrão do TensorFlow adequada para iniciar o pacote tensorflow R. Consulte o artigo sobre instalação para aprender sobre opções mais avançadas, incluindo a instalação de uma versão do TensorFlow que aproveita as GPUs da Nvidia se você tiver as bibliotecas CUDA corretas instaladas.

— Adrian Torrie
fonte