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

Custom Deep Learning

ویژگی	مقدار
سیستم عامل	-
نام فایل	customdl-1.0.9
نام	customdl
نسخه کتابخانه	1.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Taarak Rapolu
ایمیل نویسنده	taarak.rapolu@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/customdl/
مجوز	-

# Custom Deep Learning * Create a customized Feedforward Neural Network * Available options: * Weight initialization: Random, Xavier, He * Activation functions: Identity, Sigmoid, Softmax, Tanh, ReLU * Loss functions: MSE, Cross Entropy * Optimizers: GD, Momentum based GD, Nesterov accerelated GD * Learning mode: online, mini-batch, batch * Refer to the documentation of any class/method by using help(class/method) Eg: help(FNN), help(FNN.compile) * For a high-level overview of the underlying theory refer: * [Feedforward Neural Network](https://github.com/Taarak9/DL-from-Scratch/blob/master/Feedforward%20Neural%20Network/README.md) * [Optimizers](https://github.com/Taarak9/DL-from-Scratch/blob/master/Optimizers/README.md) ## Installation ```bash $ [sudo] pip3 install customdl ``` ## Development Installation ```bash $ git clone https://github.com/Taarak9/Custom-DL.git ``` ## Usage ```python3 >>> from customdl import FNN ``` ### Handwritten Digit Recognition example ```python3 import numpy as np from matplotlib import pyplot as plt from mnist_loader import load_data_wrapper from customdl import FNN # MNIST data split training_data, validation_data, test_data = load_data_wrapper() # Loss function: Cross Entropy hdr = FNN(784, "ce") hdr.add_layer(80, "sigmoid") hdr.add_layer(10, "sigmoid") hdr.compile() hdr.fit(training_data, validation_data) hdr.accuracy(test_data) ``` The mnist_loader used could be found [here](https://github.com/mnielsen/neural-networks-and-deep-learning/blob/master/src/mnist_loader.py). ### Features to be added * Plots for monitoring loss and accuracy over epochs * Regularization techniques: L1, L2, dropout * Optimizers: Adam, RMSProp * RBF NN

نیازمندی

مقدار	نام
==0.10.0	cycler
==1.3.1	kiwisolver
==3.3.4	matplotlib
==1.19.5	numpy
==8.2.0	Pillow
==2.4.7	pyparsing
==2.8.1	python-dateutil
==1.16.0	six

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl customdl-1.0.9:

pip install customdl-1.0.9.whl

نصب پکیج tar.gz customdl-1.0.9:

pip install customdl-1.0.9.tar.gz