Deeplearning4j：生成隨機 INDArray(s) 作為 MultiLayerNetwork 的輸入

Question

我正在做一個項目，我打算對 MultiLayerNetworks 進行一些性能分析。 正如標題所說，我打算創建一個由任意大小的輸入和標簽組成的隨機 INDArray，它將用作任意MultiLayerNetwork 的（訓練）輸入。 更准確地說，我想生成適合任何給定多層網絡的輸入。 我嘗試使用Nd4j.rand和Nd4j.zeros為網絡生成輸入和標簽，但據我了解，不同的層有不同的形狀要求。 非常感謝任何幫助/建議。 提前致謝！

注意：我對數據本身或結果不感興趣：在我的情況下，生成隨機數據就足夠了。

Answer 1

您正在尋找的並不是真正的“東西”。 您將不得不枚舉不同的架構。 雖然您可以根據形狀確定有效輸入，但這些仍然是您必須自己創建的 ndarray。 你的賭注是限制問題並迭代一組確定的輸入大小。 這就是我們在 dl4j 本身中創建測試用例的方式。

注意：在超參數搜索方面有一些“更高級”的方法，但即便如此，您仍然只是生成隨機候選者並枚舉一組輸入。 例如，對於 2d 密集網絡，您可以根據輸入數量等於前一層的輸出數量來確定什么是有效的。

一旦你超越了這一點，你就會開始弄清楚哪些層的組合是有效的+能夠確定你想要網絡的深度。