TensorSlow

tensorlento

Una reimplementación de la funcionalidad TensorFlow en Python puro

TensorSlow es una API minimalista de aprendizaje automático que imita la API de TensorFlow, pero está implementada en Python puro (sin backend C). El código fuente se ha creado teniendo en mente la máxima comprensión, en lugar de la máxima eficiencia. Por lo tanto, TensorSlow debe utilizarse únicamente con fines educativos. Si desea comprender cómo funcionan internamente las bibliotecas de aprendizaje profundo como TensorFlow, esta puede ser su mejor opción.

He escrito un artículo en mi blog en deepideas.net que desarrolla esta biblioteca paso a paso, explicando todas las matemáticas y algoritmos en el camino: Deep Learning From Scratch.

como usar

Importar:

 import tensorslow as ts

Cree un gráfico computacional:

 ts.Graph().as_default()

Cree marcadores de posición de entrada:

 training_features = ts.placeholder()
training_classes = ts.placeholder()

Construye un modelo:

 weights = ts.Variable(np.random.randn(2, 2))
biases = ts.Variable(np.random.randn(2))
model = ts.softmax(ts.add(ts.matmul(X, W), b))

Crear criterio de entrenamiento:

 loss = ts.negative(ts.reduce_sum(ts.reduce_sum(ts.multiply(training_classes, ts.log(model)), axis=1)))

Crear optimizador:

 optimizer = ts.train.GradientDescentOptimizer(learning_rate=0.01).minimize(J)

Crear entradas de marcador de posición:

 feed_dict = {
	training_features: my_training_features,
	training_classes: my_training_classes
}

Crear sesión:

 session = ts.Session()

Tren:

 for step in range(100):
	loss_value = session.run(loss, feed_dict)
	if step % 10 == 0:
		print("Step:", step, " Loss:", loss_value)
	session.run(optimizer, feed_dict)

Recuperar parámetros del modelo:

 weights_value = session.run(weigths)
biases_value = session.run(biases)

Consulte el directorio examples para obtener más información.