TensorSlow

ТензорСлоу

Повторная реализация функциональности TensorFlow на чистом Python.

TensorSlow — это минималистичный API машинного обучения, который имитирует API TensorFlow, но реализован на чистом Python (без бэкэнда C). Исходный код был создан с учетом максимальной понятности, а не максимальной эффективности. Поэтому TensorSlow следует использовать исключительно в образовательных целях. Если вы хотите понять, как «под капотом» работают библиотеки глубокого обучения, такие как TensorFlow, возможно, это лучший вариант.

Я написал в своем блоге на deepideas.net статью, в которой шаг за шагом разрабатывает эту библиотеку, объясняя всю математику и алгоритмы на этом пути: «Глубокое обучение с нуля».

Как использовать

Импорт:

 import tensorslow as ts

Создайте вычислительный график:

 ts.Graph().as_default()

Создайте заполнители ввода:

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

Постройте модель:

 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))

Создайте критерий обучения:

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

Создать оптимизатор:

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

Создайте поля-заполнители:

 feed_dict = {
	training_features: my_training_features,
	training_classes: my_training_classes
}

Создать сеанс:

 session = ts.Session()

Тренироваться:

 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)

Получить параметры модели:

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

Дополнительную информацию можно найти в каталоге examples .