TensorSlow

张量慢速

用纯 Python 重新实现 TensorFlow 功能

TensorSlow 是一个极简机器学习 API，模仿 TensorFlow API，但以纯 Python 实现（没有 C 后端）。构建源代码时考虑的是最大程度的可理解性，而不是最大效率。因此，TensorSlow 应仅用于教育目的。如果您想了解 TensorFlow 等深度学习库的底层工作原理，这可能是您的最佳选择。

我在 deepideas.net 的博客中写了一篇文章，逐步开发这个库，解释了整个过程中的所有数学和算法：从头开始深度学习。

如何使用

进口：

 import tensorslow as ts

创建计算图：

 ts.Graph().as_default()

创建输入占位符：

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

建立一个模型：

 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))

创建训练标准：

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

创建优化器：

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

创建占位符输入：

 feed_dict = {
	training_features: my_training_features,
	training_classes: my_training_classes
}

创建会话：

 session = ts.Session()

火车：

 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)

检索模型参数：

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

查看examples目录了解更多信息。