clear all close all%% 1：參數(shù)設(shè)置 maxepoch=10; %In the Science paper we use maxepoch=50, but it works just fine. numhid=1000; numpen=500; numpen2=250; numopen=30;%% 2：數(shù)據(jù)準(zhǔn)備 fprintf(1,'Converting Raw files into Matlab format \n'); converter; fprintf(1,'Pretraining a deep autoencoder. \n'); fprintf(1,'The Science paper used 50 epochs. This uses %3i \n', maxepoch);makebatches; % batchdata，第二個(gè)維度上的像素值，是 0-1 之間； [numcases, numdims, numbatches]=size(batchdata);% [100*784*600]，100*600 ==> 60000，也恰是訓(xùn)練樣本的數(shù)目，也即batchdata存儲(chǔ)的全部是訓(xùn)練樣本（不包括 targets）； % numcases：行數(shù)（batch_size，塊內(nèi)樣本的數(shù)目），樣本數(shù)目，numdims：維度數(shù)目，列數(shù)，% numbatches：塊的數(shù)目 %% 3：逐層訓(xùn)練 % 第一層： numdims ? numhid（784 ? 1000） fprintf(1,'Pretraining Layer 1 with RBM: %d-%d \n',numdims,numhid); restart=1; rbm; hidrecbiases=hidbiases; save mnistvh vishid hidrecbiases visbiases;% 第二層：numhid ? numen （1000 ==> 500） fprintf(1,'\nPretraining Layer 2 with RBM: %d-%d \n',numhid,numpen); batchdata = batchposhidprobs; % 第二層的輸入 numhid=numpen; restart=1; rbm; hidpen=vishid; penrecbiases=hidbiases; hidgenbiases=visbiases; save mnisthp hidpen penrecbiases hidgenbiases;% 第三層：numen ? numen（500 ? 250） fprintf(1,'\nPretraining Layer 3 with RBM: %d-%d \n',numpen,numpen2); batchdata=batchposhidprobs; numhid=numpen2; restart=1; rbm; hidpen2=vishid; penrecbiases2=hidbiases; hidgenbiases2=visbiases; save mnisthp2 hidpen2 penrecbiases2 hidgenbiases2;% 第四層：numen2 ? numopen（250 ==> 30） fprintf(1,'\nPretraining Layer 4 with RBM: %d-%d \n',numpen2,numopen); batchdata=batchposhidprobs; numhid=numopen; restart=1; rbmhidlinear; hidtop=vishid; toprecbiases=hidbiases; topgenbiases=visbiases; save mnistpo hidtop toprecbiases topgenbiases;backprop;

轉(zhuǎn)載于:https://www.cnblogs.com/mtcnn/p/9421767.html

總結(jié)

以上是生活随笔為你收集整理的深度学习代码注解（一）—— mnistdeepauto的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。