shamboflow

중요한

이것은 내가 많은 노력을 기울이는 정교한 밈입니다. 그러니 제발, 아무도 나를 고소하지 않습니다.

Shamboflow는 기계 학습 모델을 만드는 오픈 소스 API입니다. 파이썬에서만 사용할 수 있습니다.

Shamboflow는 Tensorflow 용 Relblacemnet의 매우 빠른 하락입니다 (읽기는 성능 향상조차도 아무것도 추가하지 않습니다). 그것은 처음부터 제작되며 (Numpy를 사용하여 읽기) Cuda GPU 지원과 함께 제공됩니다. 이 파일의 끝 에서이 이야기가 어떻게 생겼는지 이야기 할 것입니다.

진지하게, 나는 항상 Numpy와 추가 라이브러리를 사용하지 않는 신경망을 구현하고 싶었고,이를 통해 그렇게 할 변명을주었습니다. 그래서 나는했다. 나는 일주일 안에 이것을 만들었다. 그 과정에서 많은 것을 배웠고 스트레스가 많고 재미있는 경험이었습니다. 이 라이브러리는 언급 된대로 Numpy에 의존하지만 Cupy를 사용하여 GPU 지원을 추가합니다. 다른 두 가지 의존성은 진행률 바 용 TQDM과 화려한 텍스트의 경우 Colorama입니다. 나는 이미 꽤 많은 노력을 기울이면서 이것에 대해 더 많이 일할 것입니다.

선적 서류 비치

설치하다

PIP 패키지를 사용하여 설치하십시오.

$ pip install shamboflow

ShamboFlow를 최신 버전으로 업데이트하려면 위 명령에 --upgrade 플래그를 추가하십시오.

예

3-2-1 토폴로지로 간단한 Ann을 만들고 예측을 수행하기 위해 데이터로 교육하는 방법을 보여주는 작은 예제 프로그램.

모델을 정의하고 훈련하십시오

 import numpy as np

# Dataset
x_data = np . array ([[ 1 , 0 , 1 ]])
y_data = np . array ([[ 1 ]])

# Parameters
learning_rate = 0.9
train_epochs = 20

# Import the library
import shamboflow as sf

# Create a model
model = sf . models . Sequential ()
# Add layers
model . add ( sf . layers . Dense ( 3 ))
model . add ( sf . layers . Dense ( 2 , activation = 'sigmoid' ))
model . add ( sf . layers . Dense ( 1 , activation = 'sigmoid' ))

# Compile the model
model . compile ( learning_rate = learning_rate , loss = 'mean_squared_error' , verbose = True )

# Callbacks
checkpoint = sf . callbacks . ModelCheckpoint ( monitor = 'loss' , save_best_only = True , verbose = True )

# Train the model with the dataset
model . fit (
    x_data ,
    y_data ,
    epochs = train_epochs ,
    callbacks = [ checkpoint ]
)

# Save the trained model to disk
model . save ( 'model.meow' )

저장된 모델을로드하고 예측하십시오

 import numpy as np
import shamboflow as sf

model = sf . models . load_model ( "./model.meow" )

a = np . array ([[ 1 , 0 , 1 ]])

res = model . predict ( a )
print ( res )

이야기

이야기 시간.

지난주에 우리는 대학에서 신경망에 대한 수업을 가졌습니다. 수업이 끝날 무렵, 교수는 주어진 네트워크를 파이썬으로 구현하라고 말했습니다. 이제 그는 우리에게 라이브러리를 사용하여 우리의 작업을 수행하지 말라고 말했습니다. 그래서 나는 Python 만 사용하여 신경망을 구현할 것이라는 점을 기쁘게 생각했습니다. 그런 다음 그는 우리가 네트워크를 만들기 위해 라이브러리를 사용할 수 있다고 말했습니다. 그리고 나는 약간 엉망이었다. 내 친구는 농담으로 "아니요 당신은 그것을 만들 필요가 없습니다"라고 말했습니다. 그리고 나는 일주일 이내에 그것을 끝내면 과제에 그것을 사용할 것입니다. 내 친구들이 동의했다.

그래서 여기 있습니다. 내 도서관. 나는 그들이 과제에 이것을 사용하게 할 것입니다.