TensorSlow

TensorLent

Une réimplémentation de la fonctionnalité TensorFlow en python pur

TensorSlow est une API d'apprentissage automatique minimaliste qui imite l'API TensorFlow, mais est implémentée en python pur (sans backend C). Le code source a été construit dans un souci de compréhensibilité maximale, plutôt que d’efficacité maximale. Par conséquent, TensorSlow doit être utilisé uniquement à des fins éducatives. Si vous souhaitez comprendre comment fonctionnent les bibliothèques d'apprentissage profond comme TensorFlow, c'est peut-être votre meilleure chance.

J'ai écrit un article sur mon blog sur deepideas.net qui développe cette bibliothèque étape par étape, expliquant tous les mathématiques et algorithmes en cours : Deep Learning From Scratch.

Comment utiliser

Importer:

 import tensorslow as ts

Créez un graphique informatique :

 ts.Graph().as_default()

Créez des espaces réservés de saisie :

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

Construire un modèle :

 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))

Créer un critère de formation :

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

Créer un optimiseur :

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

Créez des entrées d'espace réservé :

 feed_dict = {
	training_features: my_training_features,
	training_classes: my_training_classes
}

Créer une séance :

 session = ts.Session()

Former:

 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)

Récupérez les paramètres du modèle :

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

Consultez le répertoire examples pour en savoir plus.