fann_train_on_file

(PECL fann >= 1.0.0)

fann_train_on_file — Treina em um conjunto de dados inteiro, que é lido de um arquivo, por um período de tempo

Descrição

fann_train_on_file(
    resource $ann,
    string $filename,
    int $max_epochs,
    int $epochs_between_reports,
    float $desired_error
): bool

Treina em um conjunto de dados inteiro, que é lido de um arquivo, por um período de tempo.

Este treinamento usa o algoritmo escolhido pela função fann_set_training_algorithm() e os parâmetros definidos para este algoritmo.

Parâmetros

ann: resource da rede neural.
filename: O arquivo contendo os dados de treinamento.
max_epochs: O número máximo de épocas que o treinamento deve continuar.
epochs_between_reports: O número de épocas entre a chamada de uma função de retorno. Um valor zero significa que a função do usuário não é chamada.
desired_error: A função fann_get_MSE() ou fann_get_bit_fail() desejada, dependendo da função de parada escolhida por fann_set_train_stop_function().

Valor Retornado

Retorna true em caso de sucesso ou false caso contrário.

Veja Também

fann_train_on_data() - Treina em um conjunto de dados inteiro por um período de tempo
fann_train_epoch() - Treina uma época com um conjunto de dados de treinamento
fann_get_bit_fail() - O número de falhas de bit
fann_get_MSE() - Lê o erro quadrático médio da rede
fann_set_train_stop_function() - Define a função de parada usada durante o treinamento
fann_set_training_algorithm() - Define o algoritmo de treinamento
fann_set_callback() - Define a função de retorno para uso durante o treinamento

Melhore Esta Página

Aprenda Como Melhorar Esta Página • Envie uma Solicitação de Modificação • Reporte um Problema

＋adicione uma nota

Notas Enviadas por Usuários (em inglês) 1 note

down

geekgirljoy at gmail dot com ¶

6 years ago

Training File (xor.data):4 2 1-1 -1-1-1 111 -111 1-1<?php$num_input = 2;$num_output = 1;$num_layers = 3;$num_neurons_hidden = 3;$desired_error = 0.001;$max_epochs = 500000;$epochs_between_reports = 1000;$training_data = dirname(__FILE__) . "/xor.data";  // training data file$ann_save_file = dirname(__FILE__) . "/xor_float.net";  // training data file// Create ANN object using$ann = fann_create_standard($num_layers, $num_input, $num_neurons_hidden, $num_output);if ($ann) {        // Configure the ANN Activation Function     fann_set_activation_function_hidden($ann, FANN_SIGMOID_SYMMETRIC);    fann_set_activation_function_output($ann, FANN_SIGMOID_SYMMETRIC);        // Try to train using fann_train_on_file()    if (fann_train_on_file($ann, $training_data, $max_epochs, $epochs_between_reports, $desired_error)){        echo 'xor trained.' . PHP_EOL);    }        // Try to save    if (fann_save($ann, $ann_save_file)){        echo 'xor saved.' . PHP_EOL);    }        // Destroy the $ann object    fann_destroy($ann);}?>

＋adicione uma nota