معرفی شرکت ها

fauxgrad-0.2

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
0.2
0.1
0.2
0.1

توضیحات

A walkthrough of a small engine for automatic differentiation
ویژگی مقدار
سیستم عامل -
نام فایل fauxgrad-0.2
نام fauxgrad
نسخه کتابخانه 0.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Kiran Sanjeevan Cabeza
ایمیل نویسنده ksanjeevancabeza@gmail.com
آدرس صفحه اصلی http://github.com/ksanjeevan/fauxgrad
آدرس اینترنتی https://pypi.org/project/fauxgrad/
مجوز MIT
# *fauxgrad* <p align="center"> <img src="https://user-images.githubusercontent.com/12011058/132263990-4463a85e-a2ef-4b18-b1fb-e9f4ffc831b1.png" width="550px"/> </p> <p align="center"> <img src="https://github.com/ksanjeevan/fauxgrad/actions/workflows/unit.yaml/badge.svg" /> <a href="https://colab.research.google.com/github/ksanjeevan/fauxgrad/blob/master/fauxgrad_walkthrough.ipynb"> <img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open In Colab"/> </a> </p> ----------------------------------------- There's plenty of excellent ([tinygrad](https://github.com/geohot/tinygrad)) and minimalist ([micrograd](https://github.com/karpathy/micrograd)) built-from-scratch, deep learning frameworks out there, so the goal of `fauxgrad` is to sacrifice some of the full functionality, and focus on the general idea and building blocks for writing your own. The walkthrough/tutorial can be found in this [notebook](https://colab.research.google.com/github/ksanjeevan/fauxgrad/blob/master/fauxgrad_walkthrough.ipynb). ### Installation ``` pip install fauxgrad ``` ### Examples Calculating some gradients: ```python a = Value(5) b = Value(-3) c = a * b d = a + c e = d * 2 e.backward() print(f'The derivative that we computed before, de/da:', a.grad) >>> -4.0 ``` Plotting the backward pass graph: ```python from fauxgrad.utils import plot_graph plot_graph(e) ``` <p align="center"> <img src="https://user-images.githubusercontent.com/12011058/133004903-d165a145-a6e7-4cc6-91fe-8facab302345.png" width="450px"/> </p>


نیازمندی

مقدار نام
- micrograd
- pytest
- matplotlib
- numpy
- networkx
>=0.21 sklearn
>=7.21.0 ipython


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl fauxgrad-0.2:

    pip install fauxgrad-0.2.whl


نصب پکیج tar.gz fauxgrad-0.2:

    pip install fauxgrad-0.2.tar.gz