• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      R语言

      • 首页
      • 博客
      • R语言
      • R平台玩深度学习教程

      R平台玩深度学习教程

      • 发布者 weinfoadmin
      • 分类 R语言
      • 日期 2017年10月20日
      测试开头

      本文介绍R平台玩深度学习的内容。

      R平台玩深度学习教程

      R平台深度学习环境构建


      第一步:安装Anaconda软件并创建环境r-tensorflow


      Anaconda软件安装,请阅读文章《Anaconda软件安装和简易使用教程》
      创建环境r-tensorflow的命令

      1. conda create --name r-tensorflow python=3.6

      【温馨提示】为了能够在R平台上面使用深度学习框架tensorflow,请一定创建环境r-tensorflow。

      第二步:在r-tensorflow环境下安装tensorflow和keras


      r-tensorflow环境下安装tensorflow和keras,请阅读下面文章。
      1 《Anaconda软件安装TensorFlow教程》
      2 《Anaconda软件安装Keras教程》

      第三步:安装R和RStudio软件


      R软件官网:http://r-project.org
      RStudio软件官网:http://rstudio.com

      第四步:打开RStudio软件安装keras包


      R代码

      1. install.packages("keras")

      前面4步是搭建R平台的深度学习工作环境,后面介绍R平台深度学习的应用。

      MNIST图像识别问题

      对MNIST数据集做手写数字识别,MNIST包含一系列28×28的灰色手写数字图像,如下所示:
      R平台玩深度学习教程

      第一步:数据准备


      数据准备包括数据获取/数据分割/数据处理(重构和归一化和one-hot编码)
      R代码

      1. mnist <- dataset_mnist()

      2. x.train <- mnist$train$x

      3. y.train <- mnist$train$y

      4. x.test <- mnist$test$x

      5. y.test <- mnist$test$y

      6. dim(x.train) <- c(nrow(x.train), 28*28)

      7. dim(x.test) <- c(nrow(x.test), 28*28)

      8. x.train <- x.train / 255

      9. x.test <- x.test / 255

      10. y.train <- to_categorical(y.train, 10)

      11. y.test <- to_categorical(y.test, 10)

      12. str(x.train)

      13. str(y.train)


      第二步:模型设计


      模型设计包括神经网络结构设计/损失函数+优化方法+度量准则设置
      R代码

      1. model <- keras_model_sequential()

      2. model %>%

      3.  layer_dense(units = 256, activation = 'relu', input_shape = c(784)) %>%

      4.  layer_dropout(rate = 0.4) %>%

      5.  layer_dense(units = 128, activation = 'relu') %>%

      6.  layer_dropout(rate = 0.3) %>%

      7.  layer_dense(units = 10, activation = 'softmax')

      8. summary(model)

      9. model %>% compile(

      10.  loss = 'categorical_crossentropy',

      11.  optimizer = optimizer_rmsprop(),

      12.  metrics = c('accuracy')

      13. )


      第三步:模型拟合和评价


      R代码

      1. history <- model %>% fit(

      2.  x.train, y.train,

      3.  epochs = 30,

      4.  batch_size = 128,

      5.  validation_split = 0.2

      6. )

      7. plot(history)

      8. model %>% evaluate(x.test, y.test)

      结果:
      R平台玩深度学习教程

      R平台玩深度学习教程


      第四步:模型应用


      R代码

      1. model %>% predict_classes(x.test)

      手写数字识别部分结果
      R平台玩深度学习教程

      您在阅读中,有什么建议或者想法,请评论。



      文章推荐:


      1 R做机器学习简易教程           

      2 R语言做数据探索

      3 电商评论情感分析




      公众号推荐:

      数据科学与人工智能,分享数据科学和人工智能的内容。

      R平台玩深度学习教程




      阅读原文,更多精彩!

      分享是收获,传播是价值!


      测试结尾

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      奇异值检测和处理
      2017年10月20日

      下一篇文章

      R平台相关系数教程
      2017年10月21日

      你可能也喜欢

      3-1665801675
      R语言学习:重读《R数据科学(中文版)》书籍
      28 9月, 2022
      6-1652833487
      经典铁死亡,再出新思路
      16 5月, 2022
      1-1651501980
      R语言学习:阅读《R For Everyone 》(第二版)
      1 5月, 2022

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?