kiwigrad

Kiwigrad

A pesar de carecer de la capacidad de volar por los cielos como Pytorch y Tensorflow , el Kiwigrad sigue siendo un pájaro formidable que está lleno de potencial sin explotar que espera ser descubierto.

• Kiwigrad
• Instalar
• Funcionalidades
  • Ejemplos
• Prueba de ejecución

Kiwigrad? Sí, es otra versión de Micrograd que se creó solo para diversión y experimentación.

Instalar

Para instalar la versión actual,

 pip install kiwigrad==0.28 

Funcionalidades

Kiwigrad es una versión modificada del microgrado y los paquetes de Minigrad con características adicionales. Las características principales agregadas a Kiwigrad son:

• La capacitación es más rápida debido a la implementación C del objeto de valor.
• Se agregaron funcionalidades de rastreo como el paquete original de microgrado. Un ejemplo de esto se puede ver en el cuaderno OPS.
• Métodos para guardar y cargar los pesos de un modelo entrenado.
• Soporte para RNN (1) redes neuronales de FeedForward.

Ejemplos

• En la carpeta de ejemplos, puede encontrar ejemplos de modelos capacitados con la biblioteca Kiwigrad.
• Un ejemplo de declaración de una red MLP usando Kiwigrad:

 from kiwigrad import MLP , Layer

class PotNet ( MLP ):
    def __init__ ( self ):
        layers = [
            Layer ( nin = 2 , nout = 16 , bias = True , activation = "relu" ),
            Layer ( nin = 16 , nout = 16 , bias = True , activation = "relu" ),
            Layer ( nin = 16 , nout = 1 , bias = True , activation = "linear" )
        ]
        super (). __init__ ( layers = layers )

model = PotNet ()

• Kiwigrad, como Micrograd, viene con soporte para una serie de operaciones posibles:

 from kiwigrad import Value , draw_dot

a = Value ( - 4.0 )
b = Value ( 2.0 )
c = a + b
d = a * b + b ** 3
c += c + Value ( 1. )
c += Value ( 1. ) + c + ( - a )
d += d * Value ( 2 ) + ( b + a ). relu ()
d += Value ( 3. ) * d + ( b - a ). relu ()
e = c - d
f = e ** 2
g = f / Value ( 2.0 )
g += Value ( 10.0 ) / f
print ( f' { g . data :.4f } ' ) # prints 24.7041, the outcome of this forward pass
g . backward ()
print ( f' { a . grad :.4f } ' ) # prints 138.8338, i.e. the numerical value of dg/da
print ( f' { b . grad :.4f } ' ) # prints 645.5773, i.e. the numerical value of dg/db

draw_dot ( g )

Prueba de ejecución

 cd test 
pytest .