ترکیب الگوریتم های فراابتکاری و deep learning

Question

با سلام و تشکر فراوان از سایت خوبتون
میخواستم بدونم همون طوری که در متلب میشه به وزن های شبکه عصبی مثلا MLP دسترسی داشت و آنها رو توسط الگوریتم های فراابتکاری بهینه کرد آیا می توان در tensor flow یا caffe یا matconvnet ویا ... به وزن های شبکه عصبی (deep learning مثلا convoultion neural network ) دسترسی داشت و اونها رو optimize کرد ؟
یکی از دوستان توی سایت نوشته بود که وقتی می خواسته وزن ها رو در tensorflow توی فایل ذخیره کنه به شکل باینری می آورده.
(من تابحال با deep learning کار نکردم ولی MLP رو کار کردم )

Answer 1

سلام
تو تنسورفلو شما می تونید وزن ها رو بعد از اتمام آموزش دستکاری کنید.

Answer 2

سلام
بله شما توی تنسورفلو کاملا می تونید به وزنهای شبکه هر زمانی که نیاز باشه دسترسی داشته باشید و انواع تغییرات رو اعمال کنید
بیشتر با تنسورفلو آشنا بشید می بینید که وزنها معمولا به صورت Variable تعریف میشن و شما می تونید انواع عملیاتها رو همونطور که توی متلب روی بردارها و ماتریسها و .... انجام می دادید، توی تنسورفلو هم روی متغیرها و تنسورها اعمال کنید

نمونه کدهایی که ایده evolutionary deep neural network رو پیاده کردن (با تنسورفلو یا keras)

https://github.com/thepropterhoc/TF-Genetic

---

https://github.com/harvitronix/neural-network-genetic-algorithm

---

https://github.com/joeddav/devol

این مقاله هم به طور اختصاصی روی پیاده سازی الگوریتم ژنتیک با تنسورفلو و افزایش سرعتش کار کرده

TensorFlow Enabled Genetic Programming

https://arxiv.org/abs/1708.03157