Загрузка SiaNet - Загрузка исходного кода SiaNet

SiaNet

AI Исходный код

1.0.0

Скачать

Trello используется для отслеживания деятельности по разработке SiaNet. Вы можете посмотреть любое задание и отслеживать прогресс. Предложение будет внесено в список пожеланий, а затем запланировано на разработку.

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

Библиотека глубокого обучения AC#

Разработка оболочки C#, которая поможет разработчику легко создавать и обучать модели глубоких нейронных сетей.

Простая в использовании библиотека, просто сосредоточьтесь на исследованиях
Несколько бэкендов — CNTK, TensorFlow, MxNet, PyTorch, ArrayFire.
Поддержка CUDA/OpenCL для некоторых бэкэндов
Легкая библиотека, построенная на основе стандарта .NET 2.0.
Код хорошо структурирован, его легко расширить, если вы хотите добавить новый слой, потери, метрики, оптимизаторы, ограничения, регуляризатор.

Базовый пример

Ниже приведен пример классификации с набором данных Титаника. Способен достичь точности 75% за 10 эпох.

 //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 ( ) ;