[deep learning 학습 노트] Yusugomori의 SDA 코드인 Sda를 주석합니다.cpp - 모델 준비
#include <iostream>
#include <math.h>
#include "HiddenLayer.h"
#include "dA.h"
#include "LogisticRegression.h"
#include "SdA.h"
using namespace std;
// To generate a value between min and max in a uniform distribution
double uniform(double min, double max)
{
return rand() / (RAND_MAX + 1.0) * (max - min) + min;
}
// To get the result of n-binomial test by the p probability
int binomial(int n, double p)
{
if(p < 0 || p > 1) return 0;
int c = 0;
double r;
for(int i=0; i<n; i++) {
r = rand() / (RAND_MAX + 1.0);
if (r < p) c++;
}
return c;
}
// To get the result of sigmoid function
double sigmoid(double x)
{
return 1.0 / (1.0 + exp(-x));
}
// SdA
SdA::SdA (
int size,
int n_i,
int *hls,
int n_o,
int n_l
)
{
// the global information
N = size;
n_ins = n_i;
hidden_layer_sizes = hls;
n_outs = n_o;
n_layers = n_l;
sigmoid_layers = new HiddenLayer* [n_layers];
dA_layers = new dA* [n_layers];
// construct multi-layer
int input_size;
for(int i=0; i<n_layers; i++)
{
if(i == 0)
{
input_size = n_ins;
}
else
{
input_size = hidden_layer_sizes[i-1];
}
// construct sigmoid_layer
sigmoid_layers[i] =
new HiddenLayer (N, input_size, hidden_layer_sizes[i], NULL, NULL);
// construct dA_layer
dA_layers[i] =
new dA(N, input_size, hidden_layer_sizes[i],\
sigmoid_layers[i]->W, sigmoid_layers[i]->b, NULL);
}
// layer for output using LogisticRegression
log_layer =
new LogisticRegression(N, hidden_layer_sizes[n_layers-1], n_outs);
}
SdA::~SdA()
{
delete log_layer; // call destructor of LogisticRegression
for(int i=0; i<n_layers; i++)
{
delete sigmoid_layers[i]; // call destructor of HiddenLayer
delete dA_layers[i]; // call destructor of dA
}
delete[] sigmoid_layers;
delete[] dA_layers;
}
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
다양한 언어의 JSONJSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.