معرفی شرکت ها

deepthink-0.1.3

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.1.3
0.1.2
0.1.1
0.1.3
0.1.2
0.1.1
0.1.0

توضیحات

Deep Learning library
ویژگی مقدار
سیستم عامل -
نام فایل deepthink-0.1.3
نام deepthink
نسخه کتابخانه 0.1.3
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Stephen Cafferty
ایمیل نویسنده stephencafferty@hotmail.com
آدرس صفحه اصلی https://github.com/Caff1982/DeepThink
آدرس اینترنتی https://pypi.org/project/deepthink/
مجوز MIT
# DeepThink DeepThink is a deep learning library for Python, designed as a learning project and as a resource for others looking to learn about deep learning. It provides a high-level interface for building, training, and evaluating deep learning models, as well as a range of utilities for working with data and optimizing models. ## Features - A high-level API for defining, training, and evaluating models with minimal code - Utilities for data loading, preprocessing, and model evaluation - Tools for debugging, profiling, and optimizing models - A range of examples to illustrate several use cases Please note that DeepThink is a basic deep learning library and may not have the same level of performance or support for advanced features as other more established deep learning libraries. ## Installation ``` pip install deepthink ``` ## Quickstart Here is a simple example of how to use DeepThink to train a deep learning model: ```python from deepthink.optimizers import Adam from deepthink.layers import Dense, Conv2D, MaxPooling, Flatten from deepthink.model import Model from deepthink.activations import ReLU, Softmax from deepthink.utils import load_mnist_data from deepthink.loss import CategoricalCrossEntropy # Load dataset training_data, test_data = load_mnist_data() # Creating a model optimizer = Adam(0.001) model = Model(optimizer, cost=CategoricalCrossEntropy(), batch_size=64) model.add_layer(Conv2D(kernel_size=5, n_filters=8, input_shape=(64, 1, 28, 28))) model.add_layer(ReLU()) model.add_layer(MaxPooling()) model.add_layer(Flatten()) model.add_layer(Dense(16)) model.add_layer(ReLU()) model.add_layer(Dense(10)) model.add_layer(Softmax()) model.initialize() # Train the model history = model.train(training_data, test_data, epochs=5) ``` You can find additional examples in the examples directory. ## Contributing Contributions are more than welcome to DeepThink! If you would like to report a bug, request a feature, or contribute code, please create an issue or submit a pull request. ## License DeepThink is released under the MIT License.


نیازمندی

مقدار نام
>=1.22.3 numpy
>=3.6.2 matplotlib
>=1.1.2 scikit-learn
>=4.64.1 tqdm
>=1.4.1 pandas


نحوه نصب


نصب پکیج whl deepthink-0.1.3:

    pip install deepthink-0.1.3.whl


نصب پکیج tar.gz deepthink-0.1.3:

    pip install deepthink-0.1.3.tar.gz