3
这个问题可能会过于宽泛，但我会尽量使每个子主题尽可能具体。用于映射大型二进制输入的深度学习
我的设置： 大型二进制输入（每个样品2-4 KB）（无图像）相同尺寸的 大型二进制输出
我的目标：使用Deep学习，以找到我的二进制输入的映射功能到二进制输出。
我已经生成了一个大型训练集（> 1'000'000个样本），并且可以轻松生成更多。
神经网络和深厚的学习我的（当然有限）的知识，我的计划是建立与2000或4000的输入节点，相同数量的输出节点的网络，并尝试不同数量的隐藏层。 然后在我的数据集上训练网络（如果需要，等待几周），并检查输入和输出之间是否存在相关性。
它会更好输入我的二进制数据作为单个比特成网，或作为更大的实体（例如在时间16个比特，等）？
对于逐位输入： 我已经试过“神经设计师”，但软件崩溃时我尝试加载我的数据集（即使是在小的6行），我不得不编辑该项目保存文件以设置输入和目标属性。然后它再次崩溃。
我已经尝试OpenNN，但它试图分配一个矩阵的大小（hidden_layers *输入节点）^ 2，当然，它失败（对不起，没有117GB的RAM可用）。
是否有合适的开源框架可用于这种类型的 二元映射函数回归？我必须执行我自己的？
深入学习正确的方法？
有没有人有这些类型的任务经验？ 不幸的是，我找不到有关深度学习+二元映射的论文。
如果有要求，我会很乐意补充更多信息。
感谢您为noob提供指导。