如何序列化/反序列化pybrain网络？

Question

PyBrain是一个Python库，提供了易于使用的人工神经网络等功能。

我试图使用pickle或cPickle对PyBrain网络进行适当的序列化/反序列化，但失败了。

请看下面的例子：

from pybrain.datasets            import SupervisedDataSet
from pybrain.tools.shortcuts     import buildNetwork
from pybrain.supervised.trainers import BackpropTrainer
import cPickle as pickle
import numpy as np 

#generate some data
np.random.seed(93939393)
data = SupervisedDataSet(2, 1)
for x in xrange(10):
    y = x * 3
    z = x + y + 0.2 * np.random.randn()  
    data.addSample((x, y), (z,))

#build a network and train it    

net1 = buildNetwork( data.indim, 2, data.outdim )
trainer1 = BackpropTrainer(net1, dataset=data, verbose=True)
for i in xrange(4):
    trainer1.trainEpochs(1)
    print '\tvalue after %d epochs: %.2f'%(i, net1.activate((1, 4))[0])

这是上述代码的输出：

Total error: 201.501998476
    value after 0 epochs: 2.79
Total error: 152.487616382
    value after 1 epochs: 5.44
Total error: 120.48092561
    value after 2 epochs: 7.56
Total error: 97.9884043452
    value after 3 epochs: 8.41

正如您所看到的，随着训练的进行，网络总误差逐渐减少。您还可以看到预测值逐渐接近期望值12。

现在我们将进行类似的练习，但会涉及序列化/反序列化：

print 'creating net2'
net2 = buildNetwork(data.indim, 2, data.outdim)
trainer2 = BackpropTrainer(net2, dataset=data, verbose=True)
trainer2.trainEpochs(1)
print '\tvalue after %d epochs: %.2f'%(1, net2.activate((1, 4))[0])

#So far, so good. Let's test pickle
pickle.dump(net2, open('testNetwork.dump', 'w'))
net2 = pickle.load(open('testNetwork.dump'))
trainer2 = BackpropTrainer(net2, dataset=data, verbose=True)
print 'loaded net2 using pickle, continue training'
for i in xrange(1, 4):
        trainer2.trainEpochs(1)
        print '\tvalue after %d epochs: %.2f'%(i, net2.activate((1, 4))[0])

这是该块的输出：

creating net2
Total error: 176.339378639
    value after 1 epochs: 5.45
loaded net2 using pickle, continue training
Total error: 123.392181859
    value after 1 epochs: 5.45
Total error: 94.2867637623
    value after 2 epochs: 5.45
Total error: 78.076711114
    value after 3 epochs: 5.45

正如您所看到的，训练似乎对网络产生了一些影响（报告的总误差值继续下降），但网络的输出值冻结在第一次训练迭代时相关的值上。是否有任何缓存机制需要我注意，导致这种错误行为？是否有更好的方法来序列化/反序列化pybrain网络？相关版本号：Python 2.6.5（r265:79096，2010年3月19日，21:48:26）[MSC v.1500 32位（Intel）]，Numpy 1.5.1，cPickle 1.71，pybrain 0.3。附注：我已在项目网站上创建了一个错误报告，并将保持SO和错误跟踪器更新。

- Boris Gorelik

---

在重新加载net2后，您确定不应该再次执行 trainer2 = BackpropTrainer(net2, dataset=data, verbose=True) 吗？ - Seth Johnson

当然，我有这样做，但是这样做并不能解决问题。事实上，我的测试代码中包含了那行代码，但是当我将它粘贴到这里时，我错误地提交了它。现在已经修复。 - Boris Gorelik

Answer 1

原因

导致这种行为的机制是PyBrain模块中参数(.params)和导数(.derivs)的处理方式：实际上，所有网络参数都存储在一个数组中，但单个Module或Connection对象可以访问“它们自己”的.params，然而这只是对总数组的一部分进行切片的视图。这允许在同一数据结构上进行本地和网络范围的写入和读取。

显然，这种切片视图链接在Pickling-Unpickling过程中会丢失。

解决方案

插入

net2.sorted = False
net2.sortModules()

从文件加载后（重新创建这种共享），它应该可以工作。

- schaul