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

A mini Tensor framework for tensor operations on GPU.

ویژگی	مقدار
سیستم عامل	-
نام فایل	deepop-0.1.dev0
نام	deepop
نسخه کتابخانه	0.1.dev0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Kartik Sharma
ایمیل نویسنده	kartik4949@gmail.com
آدرس صفحه اصلی	https://github.com/kartik4949/deepops
آدرس اینترنتی	https://pypi.org/project/deepop/
مجوز	-

# DeepOps A Mini Deep learning library, accelerated on GPUs with PyCuda. No no no.. I havent wrote this library on tensorflow or torch, it is a standalone machine. :P Implemented backpropogations using reverse traversal, Support gradients and GPU operations, You can make a mini neural network (FNN) and use the in-house optimizer to train it on a dataset (e.g MNIST). Tip: always give your tensor a funny name! :) Note: Only for Educational Usage. ![alt text](https://cdn.pixabay.com/photo/2017/11/14/18/31/mushroom-2949539_960_720.jpg) # Installation. ``` pip install deepops ``` # Tensor. ``` a = Tensor([1,2,3,4,5]) # deepop tensor ``` # Attach to a cuda device. ``` a = Tensor([1,2,3,4,5]) a.device("gpu:0") # attach to gpu device. ``` # Check the Device. ``` a.where # 'cpu' ``` # Addition. ``` a = Tensor([1.0,2.0]) print(a + a) # GPU Operation ``` # Multiplication. ``` a = Tensor([1.0, 2.0]) print(a.mul(a)) print(a * a) ``` # Calculate Gradients. ``` Tensor = dp.Tensor a1 = Tensor([1.0, 3.0, 1.0]) b1 = Tensor([7.0, 3.0, 5.0]) a2 = Tensor([4.0, 3.0, 1.0]) a3 = Tensor([3.0, 3.0, 1.0]) a4 = Tensor([7.0, 1.0, 6.0]) b2 = Tensor([1.0, 21.0, 12.0]) c = a1 * b1 + a3 d = a2 * b2 + a4 out = c * d # backward out.backward() print(out.grad) print(a1.grad) ``` # Run Tests. ``` python -m pytest -s ``` # Contribution is highly appreciated. Please contribute to my work. # TODOs * write more tests... * need a optimizer. * support more operations. # License MIT

نیازمندی

مقدار	نام
-	pycuda

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl deepop-0.1.dev0:

pip install deepop-0.1.dev0.whl

نصب پکیج tar.gz deepop-0.1.dev0:

pip install deepop-0.1.dev0.tar.gz