def main():
network_file = "network_default.txt"
initial_weights_file = None
args = sys.argv[1:]
if len(args) is 3:
network_file = args[0]
initial_weights_file = args[1]
dataset_file = args[2]
else:
print(
"Selecione seu dataset: \n 1 - Ionosphere \n 2 - Pima \n 3 - Wdbc \n 4 - Wine \n 5 - Teste \n 6 - Galaxy "
)
escolha = int(input("Escolha: "))
if escolha is 1:
dataset_file = "./datasets/ionosphere.csv"
elif escolha is 2:
dataset_file = "./datasets/pima.csv"
elif escolha is 3:
dataset_file = "./datasets/wdbc.csv"
elif escolha is 4:
dataset_file = "./datasets/wine.csv"
elif escolha is 5:
dataset_file = "./datasets/teste2.csv"
elif escolha is 6:
dataset_file = "./datasets/galaxy1.csv"
else:
print("Escolha invalida")
exit()
camadas = []
fator_regularizacao = None
with open(network_file) as network:
info_camadas = csv.reader(network,
delimiter=",",
quoting=csv.QUOTE_NONE)
for index, row in enumerate(info_camadas):
if index is 0:
fator_regularizacao = float(row[0])
else:
camadas.append(int(row[0]))
dataset = DataHandler(dataset_file)
entradas = len(dataset.data[0])
nn = NeuralNetwork(entradas, camadas, initial_weights_file,
fator_regularizacao)
custo = nn.calcula_custos(dataset.data, dataset.results)
if len(args) is 3:
print("FATOR DE REGULARIZACAO: ", fator_regularizacao)
print("PESOS INICIAIS:")
nn.print_matrizes()
for index_data, data in enumerate(dataset.data):
print("ENTRADA: ", data)
print("SAIDAS:")
ativacao_matriz = nn.calcula_saidas(data)
printMatriz(ativacao_matriz)
deltas = nn.calcula_deltas(ativacao_matriz,
dataset.results[index_data])
gradiente_bias = deltas
gradiente_pesos = nn.calcula_gradientes(data, ativacao_matriz,
deltas)
print("GRADIENTES DOS BIAS PARA ENTRADA:")
printMatriz(gradiente_bias)
print("GRADIENTES DOS PESOS PARA ENTRADA:")
printMatriz(gradiente_pesos)
nn.atuliza_matriz_gradientes(gradiente_bias, gradiente_pesos)
print(
"\n \n =================== FIM TREINAMENTO ==================== \n"
)
nn.calcula_gradientes_total_regularizados(index_data + 1)
print("GRADIENTES BIAS FINAIS DO DATASET:")
printMatriz(nn.gradientes_bias)
print("GRADIENTES PESOS FINAIS DO DATASET:")
printMatriz(nn.gradientes)
nn.atualiza_pesos(alpha)
print("NOVOS PESSO:")
nn.print_matrizes()
custo = nn.calcula_custos(dataset.data, dataset.results)
print("Custo total: ", custo)
else:
dataset.normalizeData()
batches_dados, batches_resultados = dataset.generate_batches(
num_batches)
saida_da_rede = []
i = 0
custos = []
epocas = 0
while custo > 0.01:
print(custo)
for index_batch, batch_dados in enumerate(batches_dados):
for index_entrada, entrada in enumerate(batch_dados):
nn.treina_rede(
entrada,
batches_resultados[index_batch][index_entrada])
nn.calcula_gradientes_total_regularizados(index_entrada + 1)
nn.atualiza_pesos(alpha)
epocas += 1
nn.gradientes = None
nn.gradientes_bias = None
custo = nn.calcula_custos(dataset.data, dataset.results)
custos.append(custo)
i = i + 1
if i == 500:
print(custo)
i = 0
saida_da_rede = []
for index, data in enumerate(dataset.data):
saida_da_rede.append(nn.calcula_saidas(data)[-1])
g = Graphs()
g.classificacao(dataset.results,
saida_da_rede,
epocas,
enfase_f1_score=1,
custo=custo,
custos=custos)
nn.print_matrizes()
for index, data in enumerate(dataset.data):
saida_da_rede.append(nn.calcula_saidas(data)[-1])
g = Graphs()
g.classificacao(dataset.results,
saida_da_rede,
epocas,
enfase_f1_score=1,
custo=custo,
custos=custos)
