Download SiaNet - Download do código-fonte SiaNet

SiaNet

Código-Fonte de IA

1.0.0

Baixar

Trello é usado para rastrear atividades de desenvolvimento SiaNet. Você está convidado a observar qualquer tarefa e acompanhar o progresso. A sugestão será colocada na lista de desejos e depois será planejada para desenvolvimento

https://trello.com/b/bLbgQLgy/sianet-development

Biblioteca de aprendizagem profunda AC#

Desenvolvendo um wrapper C# para ajudar o desenvolvedor a criar e treinar facilmente modelos de redes neurais profundas.

Biblioteca fácil de usar, concentre-se apenas na pesquisa
Back-end múltiplo - CNTK, TensorFlow, MxNet, PyTorch, ArrayFire
Suporte CUDA/OpenCL para alguns dos back-ends
Biblioteca leve, construída com o padrão .NET 2.0
Código bem estruturado, fácil de estender se você quiser estender com nova camada, perda, métricas, otimizadores, restrições, regularizador

Um exemplo básico

A seguir está um exemplo de classificação com o conjunto de dados do Titanic. Capaz de atingir 75% de precisão em 10 épocas.

 //Setup Engine. If using TensorSharp then pass SiaNet.Backend.TensorSharp.SiaNetBackend.Instance. 
//Once other backend is ready you will be able to use CNTK, TensorFlow and MxNet as well.
Global . UseEngine ( SiaNet . Backend . ArrayFire . SiaNetBackend . Instance , DeviceType . CPU ) ;

var dataset = LoadTrain ( ) ; //Load train data
var test = LoadTest ( ) ; //Load test data

var ( train , val ) = dataset . Split ( 0.25 ) ;

//Build model
var model = new Sequential ( ) ;
model . EpochEnd += Model_EpochEnd ;
model . Add ( new Dense ( 128 , ActivationType . ReLU ) ) ;
model . Add ( new Dense ( 64 , ActivationType . ReLU ) ) ;
model . Add ( new Dense ( 1 , ActivationType . Sigmoid ) ) ;

//Compile with Optimizer, Loss and Metric
model . Compile ( OptimizerType . Adam , LossType . BinaryCrossEntropy , MetricType . BinaryAccurary ) ;

// Train for 100 epoch with batch size of 32
model . Train ( train , 100 , 32 , val ) ;

var predictions = model . Predict ( test ) ;
predictions . Print ( ) ;