Deeplearning4j：生成随机 INDArray(s) 作为 MultiLayerNetwork 的输入

Question

我正在做一个项目，我打算对 MultiLayerNetworks 进行一些性能分析。 正如标题所说，我打算创建一个由任意大小的输入和标签组成的随机 INDArray，它将用作任意MultiLayerNetwork 的（训练）输入。 更准确地说，我想生成适合任何给定多层网络的输入。 我尝试使用Nd4j.rand和Nd4j.zeros为网络生成输入和标签，但据我了解，不同的层有不同的形状要求。 非常感谢任何帮助/建议。 提前致谢！

注意：我对数据本身或结果不感兴趣：在我的情况下，生成随机数据就足够了。

Answer 1

您正在寻找的并不是真正的“东西”。 您将不得不枚举不同的架构。 虽然您可以根据形状确定有效输入，但这些仍然是您必须自己创建的 ndarray。 你的赌注是限制问题并迭代一组确定的输入大小。 这就是我们在 dl4j 本身中创建测试用例的方式。

注意：在超参数搜索方面有一些“更高级”的方法，但即便如此，您仍然只是生成随机候选者并枚举一组输入。 例如，对于 2d 密集网络，您可以根据输入数量等于前一层的输出数量来确定什么是有效的。

一旦你超越了这一点，你就会开始弄清楚哪些层的组合是有效的+能够确定你想要网络的深度。