r 딥러닝 예제

CRAN을 통해 사용할 수 있는 패키지를 설치하는 것은 일반적으로 매우 간단하고 부드럽습니다. 그러나 일부 패키지는 타사 라이브러리에 따라 다릅니다. 예를 들어, H2O는 자바 개발 키트뿐만 아니라 자바의 최신 버전이 필요합니다. 다크 및 MXNetR 패키지를 사용하면 GPU를 사용할 수 있습니다. 그 목적을 위해, 다크 는 R 패키지 gputools에 따라 달라 집니다., 리눅스와 맥 OS 시스템에서만 지원 되는. MXNetR은 기본적으로 cuDNN에 대한 의존성으로 인해 GPU 지원 없이 배송되며, 라이선스 제한으로 인해 패키지에 포함될 수 없습니다. 따라서 MXNetR의 GPU 버전은 CUDA SDK 및 cuDNN을 사용하여 소스에서 MXNet을 컴파일하기 위해 Rtools 및 C++11 지원을 지원하는 최신 컴파일러가 필요합니다. SOCK 클러스터는 여러 PC의 CPU를 사용하여 무엇보다도 보편적 인 솔루션입니다. 불행하게도, Iterators 및 신경망 교육과 우리의 예는 Windows에서 작동하지만 리눅스에서 작동을 거부합니다. Linux에서는 소스 프로세스의 포크를 사용하여 클러스터를 만드는 대체 doMC 패키지를 사용할 수 있습니다. 나머지 단계는 수행할 필요가 없습니다.

표 1. R 패키지에서 사용 가능한 딥 러닝 방법 목록입니다. 이 문서의 일부로 딥 러닝을 목적으로 R의 다섯 가지 패키지를 비교했습니다: (1) deepnet의 현재 버전은 사용 가능한 아키텍처 측면에서 가장 차별화된 패키지를 나타낼 수 있습니다. 그러나 구현으로 인해 가장 빠르거나 사용자 친화적인 옵션이 아닐 수 있습니다. 또한 다른 패키지만큼 많은 튜닝 매개 변수를 제공하지 않을 수 있습니다. (2) H2O와 MXNetR은 반대로 매우 사용자 친화적 인 경험을 제공합니다. 둘 다 또한 추가 정보의 출력을 제공, 신속 하 게 훈련을 수행 하 고 괜찮은 결과 달성. H2O는 데이터 과학자가 간단한 파이프라인 내에서 데이터 마이닝 및 탐색에 사용할 수 있는 클러스터 환경에 더 적합할 수 있습니다. 유연성과 프로토타이핑이 더 중요한 경우 MXNetR이 가장 적합한 선택일 수 있습니다.

처음부터 사용자 지정 네트워크 아키텍처를 빌드하는 데 사용되는 직관적인 기호 도구를 제공합니다. 또한 다중 CPU/GPU 기능을 활용하여 개인용 컴퓨터에서 실행되도록 최적화되어 있습니다.