معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Neural network module with branching output

ویژگی	مقدار
سیستم عامل	-
نام فایل	DeepNeuralBranchNet-0.0.14
نام	DeepNeuralBranchNet
نسخه کتابخانه	0.0.14
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Hamzah Shabbir
ایمیل نویسنده	hamzahshabbir7@gmail.com
آدرس صفحه اصلی	https://github.com/hamzahshabbir96/Neural-network-with-branching-output
آدرس اینترنتی	https://pypi.org/project/DeepNeuralBranchNet/
مجوز	-

# Neural network with branching output This package can be used to train neural network for classification with option of multiple outputs by branching at different layers. __Features available__ - Customizable layers with option of selecting activation function - No limits on adding number of layers and number of neurons in each layers - By default gradient descent for optimization but in further version, other optimization methods are to be included - Multiple outputs can be selected at different layers with just one method call ## Requirements This package is developed at very low-level python coding so there is no much requirement other than numpy library. [Numpy](https://numpy.org/) ## Installation To install a stable version, use the following command ``` pip install DeepNeuralBranchNet ``` ## Example of how to use Import module ``` from DeepNeuralBranchNet.neuralnet import NeuralNet ``` Initiate the neural network object class ``` example=NeuralNet() ``` Add input by passing number of nput features as parameter ``` example.add_input(input_length=16) ``` Add layer sequentially by passing number of neurons and activation function ``` example.add_layer(10,activation_function="relu") ``` If you want to add multiple output(or opting for branching), then trigger branching by following line of code and then keep adding layers ``` example.do_branching() ``` Run model to update parameters such as weights and bias and for training. - input_array : Input matrix in the form of array - output_array : Output matrix in the form of array - number_of_iterations : Total number of times you want to run back propagations to update weights - multiple_output : If you have branches then set it to True ``` example.run_model(input_array,output_array, number_of_iterations=1000, learning_rate=0.001, multiple_output=False) ``` Finally predict by calling predict method ``` example.predict() ```

نیازمندی

مقدار	نام
-	numpy

نحوه نصب

نصب پکیج whl DeepNeuralBranchNet-0.0.14:

pip install DeepNeuralBranchNet-0.0.14.whl

نصب پکیج tar.gz DeepNeuralBranchNet-0.0.14:

pip install DeepNeuralBranchNet-0.0.14.tar.gz