atomgrad
1.0.0

Atomgrad是一种简单的自动射击发动机,旨在在微电磁和TinyGrad之间进行载体值,并在矢量值和标量值张量(原子)以及神经网络API库中进行autodiff。
sum , exp , reshape , randint , uniform等)。relu , sigmoid , tanh等。binary_cross_entropy & binary_accuracy 。您可以使用PIP安装Atomgrad:
pip install atomgrad==0.3.0这是使用Atomgrad来计算函数梯度的一个简单示例:
from atomgrad . atom import Atom
from atomgrad . graph import draw_dot
# create two tensors with gradients enabled
x = Atom ( 2.0 , requires_grad = True )
y = Atom ( 3.0 , requires_grad = True )
# define a function
z = x * y + x ** 2
# compute the backward pass
z . backward ()
# print the gradients
print ( x . grad ) # 7.0
print ( y . grad ) # 2.0
draw_dot ( z )
这是一个简单的示例,即使用Atomgrad训练一个16个节点隐藏的层神经网络进行二进制分类。
import numpy as np
from atomgrad . atom import Atom
from atomgrad . nn import AtomNet , Layer
from atomgrad . optim import SGD
from atomgrad . metrics import binary_cross_entropy , binary_accuracy
# create a model
model = AtomNet (
Layer ( 2 , 16 ),
Layer ( 16 , 16 ),
Layer ( 16 , 1 )
)
# create an optimizer
optim = SGD ( model . parameters (), lr = 0.01 )
# load some data
x = [[ 2.0 , 3.0 , - 1.0 ],
[ 3.0 , - 1.0 , 0.5 ],
[ 0.5 , 1.0 , 1.0 ],
[ 1.0 , 1.0 , - 1.0 ],
[ 0.0 , 4.0 , 0.5 ],
[ 3.0 , - 1.0 , 0.5 ]]
y = [ 1 , 1 , 0 , 1 , 0 , 1 ]
x = Atom ( x )
y = Atom ( y )
model . fit ( x , y , optim , binary_cross_entropy , binary_accuracy , epochs = 100 )
#output
'''
...
epoch: 30 | loss: 0.14601783454418182 | accuracy: 100.0%
epoch: 35 | loss: 0.11600304394960403 | accuracy: 100.0%
epoch: 40 | loss: 0.09604986757040024 | accuracy: 100.0%
epoch: 45 | loss: 0.0816292017698288 | accuracy: 100.0%
''' examples/demos.ipynb Notebook中,简单的Autodiff和四个二进制分类器(包括make_moons数据集和MNIST数据集)的示例。
注意:尽管atom.nn包括softmax激活和cat_cross_entropy ,但模型结果非常失望,可能是由于某些错误(如果您找到的话,请使用它!)。结果, AtomNet模型最适合二进制分类神经净任务。