taralino

.progress

Der Befehl DiffusionModel.progress(X) erwartet folgende (verpflichtende) Argumente:

Argument	Datentyp	Hinweis
X	Datenfeld	Liste von Eingangssignal (zweidimensionales Datenfeld)

Der Befehl trainiert das Diffusion Model anhand der Trainingsdaten X. Dabei ist X eine Liste von Eingangssignalen (zweidimensionales Datenfeld bzw. Matrix, jede Zeile entspricht einem Eingangssignal). Dabei gilt:

Der Lernfortschritt wird visuell dargestellt. Sobald die Trainingsphase abgeschlossen ist, wird die Funktion on_training_done aufgerufen (sofern vorhanden).

Zudem können folgende Optionen verwendet werden:

Variable	Datentyp	Hinweis	Default-Wert
iterations	Zahl	ganzzahlig, positiv	1000
batch_size	Zahl	ganzzahlig, positiv	100
learning_rate	Zahl	positiv	5.0

Die Optionen definieren die Parameter der Trainingsphase: iterations bestimmt die Anzahl der Iterationen, batch_size die Losgröße pro Iteration und learning_rate schließlich die Lernrate.

Beispiel

Es wird eine Diffusion Model unter Verwendung des HandwrittenDigits-Datenpakets trainiert. Anschließend wird ein neues Bild generiert. Hinweis: Das Ergebnis lässt sich signifikant verbessern, indem die Parameter der Trainingsphase angepasst werden.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="HandwrittenDigits.js"></script>
</head>
<body>
<script>

var X = HandwrittenDigits.get();

DiffusionModel.init([64, 32, 64], {steps:8, standard_deviation:0.2});

DiffusionModel.progress(X, {iterations:100, batch_size:10, learning_rate:5});

function on_training_done() {
  var y = DiffusionModel.random();
  var M = Picture.vector(y);
  Picture.draw(M, {zoom:16});
};

</script>
</body>
</html>

Vorschau Download Kopie speichern