使用RBM权重初始化MLP权重

Question

我想用 scikit-learn 来构建一个深度信念网络。根据我的了解，首先需要单独训练多个限制玻尔兹曼机（RBM）。然后，应该创建一个多层感知器（MLP），这个MLP的层数要和RBM的数量一样，并且MLP的权重需要用RBM的权重来初始化。不过，我找不到从 scikit-learn 的 BernoulliRBM 中获取RBM权重的方法。而且，似乎也没有办法在 scikit-learn 中初始化MLP的权重。

有没有办法实现我所描述的内容呢？

Answer 1

scikit-learn 目前没有可以通过 RBM 初始化的 MLP（多层感知器），但是你仍然可以访问存储在 components_ 属性中的权重，以及存储在 intercept_hidden_ 属性中的偏置。

如果你想使用现代的 MLP，可以看看 torch7、pylearn2 和 deepnet 这些库，它们大多数都有你提到的预训练功能。