shamboflow

สำคัญ

นี่คือมส์ที่ซับซ้อนที่ฉันใช้ความพยายามอย่างมาก ดังนั้นโปรดไม่มีใครฟ้องฉัน

Shamboflow เป็น API โอเพ่นซอร์สสำหรับการสร้างแบบจำลองการเรียนรู้ของเครื่อง มีเฉพาะใน Python

Shamboflow ลดลงอย่างรวดเร็วสุด ๆ ใน Replacemnet สำหรับ TensorFlow (อ่านไม่ได้เพิ่มอะไรเลยแม้แต่การปรับปรุงประสิทธิภาพ) มันถูกสร้างขึ้นจากศูนย์ (อ่านโดยใช้ numpy) และมาพร้อมกับการสนับสนุน CUDA GPU นอกกรอบ ฉันจะเล่าเรื่องในตอนท้ายของไฟล์นี้ว่าเรื่องนี้เป็นอย่างไร

ในบันทึกที่จริงจังฉันมักจะต้องการใช้เครือข่ายประสาทโดยใช้เพียงแค่ numpy และไม่มีห้องสมุดเพิ่มเติมและสิ่งนี้ทำให้ฉันมีข้อแก้ตัวที่จะทำเช่นนั้น ดังนั้นฉันก็ทำ ฉันทำสิ่งนี้ในหนึ่งสัปดาห์ เรียนรู้สิ่งต่าง ๆ มากมายในกระบวนการและเป็นประสบการณ์ที่เครียดและสนุกสนาน ห้องสมุดนี้ขึ้นอยู่กับ NumPy ตามที่ระบุไว้ แต่ยังใช้ Cupy เพื่อเพิ่มการสนับสนุน GPU อีกสองการพึ่งพาคือ TQDM สำหรับแถบความคืบหน้าและ colorama สำหรับข้อความที่มีสีสัน ฉันอาจจะทำงานมากขึ้นในเรื่องนี้เพราะฉันได้ใช้ความพยายามอยู่แล้ว

เอกสาร

ติดตั้ง

ติดตั้งโดยใช้แพ็คเกจ PIP

$ pip install shamboflow

หากต้องการอัปเดต Shamboflow เป็นเวอร์ชันล่าสุดให้เพิ่ม --upgrade เกรดธงไปยังคำสั่งด้านบน

ตัวอย่าง

โปรแกรมตัวอย่างขนาดเล็กที่แสดงวิธีการสร้าง Ann ง่าย ๆ ด้วยทอพอโลยี 3-2-1 และฝึกอบรมด้วยข้อมูลเพื่อทำการคาดการณ์

กำหนดโมเดลและฝึกอบรม

 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' )

โหลดโมเดลที่บันทึกไว้และทำนาย

 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 )

เรื่องราว

เรื่องราวของมัน

เมื่อสัปดาห์ที่แล้วเรามีชั้นเรียนเกี่ยวกับเครือข่ายประสาทที่มหาวิทยาลัย ในตอนท้ายของชั้นเรียนอาจารย์ของเราบอกให้เราใช้เครือข่ายที่กำหนดใน Python ตอนนี้ก่อนหน้านี้เขาบอกให้เราไม่ใช้ห้องสมุดใด ๆ เพื่อปฏิบัติงานของเราเพราะจะทำลายจุดประสงค์ในการเรียนรู้อัลกอริทึม ดังนั้นฉันรู้สึกตื่นเต้นที่ฉันจะใช้เครือข่ายประสาทโดยใช้เพียงแค่งูหลาม จากนั้นเขาก็บอกเราว่าเราสามารถใช้ห้องสมุดเพื่อสร้างเครือข่าย และฉันก็รู้สึกอึดอัดเล็กน้อย เพื่อนของฉันพูดติดตลกว่า "ไม่ต้องทำ" และฉันก็บอกว่าถ้าฉันทำเสร็จภายในหนึ่งสัปดาห์คุณจะใช้มันในการมอบหมาย เพื่อนของฉันเห็นด้วยกับมัน

ดังนั้นนี่คือ ห้องสมุดของฉัน ฉันจะทำให้พวกเขาใช้สิ่งนี้สำหรับการมอบหมาย