الگوریتم CNN برای استخراج ویژگی های مهم با پکیج mxnet در R

Question

سلام. من یک دیتاست پزشکی دارم. 39 تا فیلد و 35000 رکورد و یک متغیر وابسته، می خوام با استفاده از CNN به یک data presentation از داده هام(استخراج ویژگی های مهم با روش بدون ناظر ) برسم و بعد با یک الگوریتم طبقه بندی(Random Forest) داده های متغیر وابسته ام را طبقه بندی کنم و بعد هم پیش بینی روی داده های آزمون و ... . هدف من طبقه بندی بیماران به بیماران پرهزینه و کم هزینه هست. این کار را می خوام در R انجام بدم. از لینک زیر استفاده کردم :

http://tjo-en.hatenablog.com/entry/2016/03/30/233848
و روی سمپل خود لینک با سیستم خودم(Core i7 - 6700HQ-quad core , 16 GB ram, 512 GB SSD) روش CNN را اجرا کردم و خروجی گرفتم اما تنظیمات پارامتر روش را درست متوجه نشدم.
یمقدار کارم عجله ای است و فرصت ندارم در مقطع فعلی از صفر یادگیری عمیق را شروع کنم. ممنون میشم درباره پارامترها و نحوه تنظیم اون با توجه به دیتاستم که دو بعدی هست(مثل مثال عکس این لینک 3 بعدی نیست) راهنمایی بفرمایید.
با تشکر

Answer 1

سلام .
خیلی کارها میشه کرد.
در مورد Mxnet اینجا توضیحاتی دادم
در حالت کلی در پیش پردازش تصاویر سعی کنید حتما zero center کنید و داده رو نرمالایز کنید. این حداقله. در معماریتون سعی کنید اگر معماری عمیق (ترجیحا از معماری های نوین استفاده کنید اما اگر قدیمی هست) از بچ نرمالیزیشن استفاده کنید. استفاده از دراوپ اوت هم برای جلوگیری از اورفیتینگ میتونه خیلی خوب باشه. این موارد رو در نظر بگیرید باید نتیجه بهتری بگیرید

Answer 2

حسین آقا فکر کنم اشتباهی صورت گرفته چون Mxnet از جی پی یو پشتیبانی میکنه. اصلا بدون اون که نمیشه. تازه مولتی جی پی یو هم پشتیبانی میکنه و ادعا داره که پرفورمنس بهتری هم داره

Comments

سلام .
بسیار عالی اشاره و تذکر خیلی خوب و بجایی بود. خیلی ممنون. بله Mxnet از کارت گرافیک پشتیبانی میکنه و رپرهای زیادی هم داره . البته من قبلا تو لینک زیر جواب کامل رو دادم. پست قبلی هم ویرایش شد و لینک زیر قرار گرفت. :
qa.deeplearning.ir/1431/مقایسه-بین-فرم-ورکهای-موجود-تا-به-امروز?show=1442#a1442
من اینجا mxnet رو با یه کتابخونه دیگه اشتباه گرفته بودم.