Theano'dan Torch'a geçiş yapıyorum. Yani lütfen benimle kal. Theano'da, özgül bir ağırlıkta bile, kayıp fonksiyonunun gradyanlarını hesaplamak düz bir yoldaydı. Merak ediyorum, bunu Torch'da nasıl yapabilirim?Meşale'de rasgele bir katmana/ağırlığa göre kayma gradyanı nasıl hesaplanır?
t = require 'torch'
require 'nn'
require 'cunn'
require 'cutorch'
-- Generate random labels
function randLabels(nExamples, nClasses)
-- nClasses: number of classes
-- nExamples: number of examples
label = {}
for i=1, nExamples do
label[i] = t.random(1, nClasses)
end
return t.FloatTensor(label)
end
inputs = t.rand(1000, 3, 32, 32) -- 1000 samples, 3 color channels
inputs = inputs:cuda()
labels = randLabels(inputs:size()[1], 10)
labels = labels:cuda()
net = nn.Sequential()
net:add(nn.SpatialConvolution(3, 6, 5, 5))
net:add(nn.ReLU())
net:add(nn.SpatialMaxPooling(2, 2, 2, 2))
net:add(nn.View(6*14*14))
net:add(nn.Linear(6*14*14, 300))
net:add(nn.ReLU())
net:add(nn.Linear(300, 10))
net = net:cuda()
-- Loss
criterion = nn.CrossEntropyCriterion()
criterion = criterion:cuda()
forwardPass = net:forward(inputs)
net:zeroGradParameters()
dEd_WeightsOfLayer1 -- How to compute this?
forwardPass = nil
net = nil
criterion = nil
inputs = nil
labels = nil
collectgarbage()
nasıl convolutinal tabakanın ağırlıkları w.r.t gradyanı hesaplayabilir:
bazı veri/etiket oluşturur ve bir model tanımlar aşağıdaki kodu olduğunu varsayalım?