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 python package to do auto differentiation.

ویژگی	مقدار
سیستم عامل	-
نام فایل	easyGrad-1.0.0
نام	easyGrad
نسخه کتابخانه	1.0.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Amartya Sanyal
ایمیل نویسنده	amartya18x@gmail.com
آدرس صفحه اصلی	http://packages.python.org/easyGrad
آدرس اینترنتی	https://pypi.org/project/easyGrad/
مجوز	License.md

[![Build Status](https://travis-ci.org/amartya18x/easyGrad.svg?branch=master)](https://travis-ci.org/amartya18x/easyGrad) # Easy Grad This library aims to provide an easy implementation of doing symbolic operations in python ## Operators allowed - *exp(x)* and *log(x)* ```Python def testOps(): x = Integer('x') y = ops.log(x) z = ops.exp(y) graph = GradGraph(z) graph.getOutput({x: 1}) graph.getGradients(wrt=x) print x.gradient ``` - *Sigmoid(x)* ```Python def activ_fns(): x = Double('x') z = ops.sigmoid(x) graph = GradGraph(z) graph.getOutput({x: 110.5}) graph.getGradients(wrt=x) print x.gradient ``` - *Tanh(x)* ```Python def activ_fns(): x = Double('x') z = ops.tanh(x) graph = GradGraph(z) graph.getOutput({x: 110.5}) graph.getGradients(wrt=x) print x.gradient ``` ## Testing ```Python def gradTestSimple(): a = Integer("a") b = Integer("b") c = a + b d = b + 6 e = c * d graph = GradGraph(e) graph.getOutput({a: 32, b: 11}) graph.getGradients(wrt=b) print a.gradient, b.gradient ``` ### Here is a more complex example. ```Python def gradTest(): x = Integer("Int1x") y = Integer("Int2y") z = Integer("Int3z") p = Integer("Int4p") k = p * z t = y * k m = k + t n = m * z graph = GradGraph(n) graph.getOutput({x: 9, y: 9, z: 9, p: 2}) graph.getGradients(wrt=z) print x.gradient, y.gradient, z.gradient, p.gradient ``` ### This is the same examples as above but the commands are not three op commands. ```Python def gradTestLong(): x = Integer("Int1x") y = Integer("Int2y") z = Integer("Int3z") p = Integer("Int4p") k = p * z n = (k + (y * p * z)) * z graph = GradGraph(n) graph.getOutput({x: 9, y: 9, z: 9, p: 2}) graph.getGradients(wrt=z) print x.gradient, y.gradient, z.gradient, p.gradient ``` Tensor Operations ```Python def dotProduct(): x = DoubleTensor("Tensor1") y = x.dot([3, 4]) z = y.dot([4, 5]) graph = GradGraph(z) output = graph.getOutput({x: [3, 4]}) graph.getGradients(wrt=x) assert(np.all(output == [100, 125])) assert(np.all(x.gradient == [[ 12., 16.], [ 15., 20.]])) def TensorOp(): x = DoubleTensor("Tensor1") y = x - [3, 4] z = ops.log(y * x) graph = GradGraph(z) output = graph.getOutput({x: [10]}) assert(np.all(np.isclose(output, np.log(10 * (10 - np.asarray([3, 4])))))) graph.getGradients(wrt=x) a = 2 * 10 - np.asarray([3, 4]) b = 1.0/np.exp(np.asarray(output)) assert(np.all(np.isclose(x.gradient, a * b))) ```

نحوه نصب

نصب پکیج whl easyGrad-1.0.0:

pip install easyGrad-1.0.0.whl

نصب پکیج tar.gz easyGrad-1.0.0:

pip install easyGrad-1.0.0.tar.gz