TensorSlow

Tensor lento

Uma reimplementação da funcionalidade do TensorFlow em python puro

TensorSlow é uma API minimalista de aprendizado de máquina que imita a API TensorFlow, mas é implementada em python puro (sem back-end C). O código-fonte foi construído tendo em mente a máxima compreensão, em vez da máxima eficiência. Portanto, o TensorSlow deve ser usado apenas para fins educacionais. Se você quiser entender como bibliotecas de aprendizado profundo como o TensorFlow funcionam nos bastidores, esta pode ser sua melhor chance.

Escrevi um artigo em meu blog em deepideas.net que desenvolve esta biblioteca passo a passo, explicando toda a matemática e algoritmos no caminho: Deep Learning From Scratch.

Como usar

Importar:

 import tensorslow as ts

Crie um gráfico computacional:

 ts.Graph().as_default()

Crie espaços reservados de entrada:

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

Construa um 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))

Criar critério de treinamento:

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

Criar otimizador:

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

Crie entradas de espaço reservado:

 feed_dict = {
	training_features: my_training_features,
	training_classes: my_training_classes
}

Criar sessão:

 session = ts.Session()

Trem:

 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 parâmetros do modelo:

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

Confira o diretório examples para mais informações.