shamboflow

Важный

Это сложный мем, в который я приложил много усилий. Так что, пожалуйста, никто не предъявляет мне иск.

Shamboflow - это API с открытым исходным кодом для создания моделей машинного обучения. Он доступен только в Python.

Shamboflow - это очень быстрое падение замены для TensorFlow (чтение ничего не добавляет, даже не улучшение производительности). Он строится с нуля (читай, используя Numpy) и поставляется с поддержкой GPU CUDA из коробки. Я расскажу историю в конце этого файла о том, как это произошло.

Серьезно, я всегда хотел внедрить нейронную сеть, используя Just Numpy, и никаких дополнительных библиотек, и это дало мне повод для этого. И я так и сделал. Я сделал это через неделю. Узнал много вещей в процессе, и это был стрессовый и веселый опыт. Эта библиотека зависит от Numpy, как указано, но также использует Cupy для добавления поддержки GPU. Две другие зависимости - это TQDM для бара прогресса и колорамы для красочных текстов. Я, вероятно, буду больше работать над этим, так как я уже приложил довольно некоторые усилия.

Документация

Установить

Установите, используя пакет PIP.

$ pip install shamboflow

Чтобы обновить Shampoflow до последней версии, добавьте флаг --upgrade в вышеуказанную команду

Пример

Небольшой пример программы, которая показывает, как создать простую ANN с топологией 3-2-1 и обучить ее данными для выполнения прогнозов.

Определите модель и тренируйте ее

 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' )

Загрузить сохраненную модель и предсказать

 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 )

История

Его история.

На прошлой неделе у нас был класс по нейронным сетям в университете. В конце класса наш профессор сказал нам реализовать данную сеть в Python. Теперь, ранее он говорил нам не использовать никаких библиотек для выполнения наших задач, так как это просто разрушило бы цель обучения алгоритмам. Итак, я был взволнован тем, что собираюсь внедрить нейронную сеть, используя Just Python. Затем он сказал нам, что мы можем использовать библиотеки для создания сети. И я был немного расстроен. Мой друг в шутку сказал мне: «Нет, ты должен сделать это». И я сказал, если я закончу это в течение недели, вы будете использовать его в задании. Мои друзья согласились на это.

Итак, вот оно. Моя библиотека. Я так собираюсь заставить их использовать это для заданий.