我在尝试使用DeepLearning4J 0.7训练一个受限玻尔兹曼机（RBM），但没有成功。我找到的所有示例要么没有实际用途，要么在DeepLearning4J 0.7中已经不再适用。

我需要使用对比散度（Contrastive Divergence）训练一个单一的RBM，然后计算重建误差。

这是我目前的代码：

import org.nd4j.linalg.factory.Nd4j;import org.deeplearning4j.datasets.fetchers.MnistDataFetcher;import org.deeplearning4j.nn.conf.layers.RBM;import org.deeplearning4j.nn.api.Layer;import static org.deeplearning4j.nn.conf.layers.RBM.VisibleUnit;import static org.deeplearning4j.nn.conf.layers.RBM.HiddenUnit;import org.deeplearning4j.optimize.api.IterationListener;import org.deeplearning4j.datasets.iterator.impl.MnistDataSetIterator;import org.deeplearning4j.eval.Evaluation;import org.deeplearning4j.nn.api.OptimizationAlgorithm;import org.deeplearning4j.nn.conf.MultiLayerConfiguration;import org.deeplearning4j.nn.conf.NeuralNetConfiguration;import org.deeplearning4j.nn.conf.Updater;import org.deeplearning4j.nn.multilayer.MultiLayerNetwork;import org.deeplearning4j.nn.weights.WeightInit;import org.deeplearning4j.optimize.listeners.ScoreIterationListener;import org.nd4j.linalg.dataset.DataSet;import org.nd4j.linalg.dataset.api.iterator.DataSetIterator;import org.nd4j.linalg.lossfunctions.LossFunctions;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import org.nd4j.linalg.api.ndarray.INDArray;public class experiment3 {    private static final Logger log = LoggerFactory.getLogger(experiment3.class);    public static void main(String[] args) throws Exception {        DataSetIterator mnistTrain = new MnistDataSetIterator(100, 60000, true);        MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()            .regularization(false)            .iterations(1)            .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)            .list()            .layer(0, new RBM.Builder()                    .nIn(784).nOut(500)                    .weightInit(WeightInit.XAVIER)                    .lossFunction(LossFunctions.LossFunction.RECONSTRUCTION_CROSSENTROPY)                    .updater(Updater.NESTEROVS)                    .learningRate(0.1)                    .momentum(0.9)                    .k(1)                    .build())            .pretrain(true).backprop(false)            .build();        MultiLayerNetwork model = new MultiLayerNetwork(conf);        model.init();        model.setListeners(new ScoreIterationListener(600));        for(int i = 0; i < 50; i++) {            model.fit(mnistTrain);        }    }}

代码可以编译并在每个epoch打印一些分数，但分数在应该减少时反而增加了，而且我没有找到任何重建的方法。

我尝试使用reconstruct函数并计算距离：

        while(mnistTrain.hasNext()){            DataSet next = mnistTrain.next();            INDArray in = next.getFeatureMatrix();            INDArray out = model.reconstruct(in, 1); // 尝试过0但会出现数组索引越界            log.info("distance(1):" + in.distance1(out));        }

但即使模型没有经过一个epoch的训练，每个元素的距离总是0.0，这是不可能的。

这是训练RBM的正确方法吗？如何使用单个RBM重建输入？

回答：

我意识到这个问题已经有些旧了，但最近的活动让我重新注意到了它。我只想说我最近在DL4j中使用了RBM，包括单层和多层。虽然它们可能没有得到官方支持，但它们确实有效。我也遇到了reconstruct。要测试模型，你应该使用output，就像在前馈网络中一样。在你的情况下，我认为应该是这样的：

INDArray in = next.getFeatureMatrix();INDArray out = model.output(in);

补充几点：

我使用的是0.9.1版本