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

Flexible torch neural network architecture API

ویژگی	مقدار
سیستم عامل	-
نام فایل	flexinet-0.0.4
نام	flexinet
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Michael E. Vinyard - Harvard University - Massachussetts General Hospital - Broad Institute of MIT and Harvard
ایمیل نویسنده	mvinyard@broadinstitute.org
آدرس صفحه اصلی	https://github.com/mvinyard/flexinet
آدرس اینترنتی	https://pypi.org/project/flexinet/
مجوز	MIT

# ![flexinet-logo](/docs/img/flexinet.logo.v3.svg) A flexible API for instantiating pytorch neural networks composed of sequential linear layers ([`torch.nn.Linear`](https://pytorch.org/docs/stable/generated/torch.nn.Linear.html#torch.nn.Linear)). Additionally, makes use of other elements within the [`torch.nn`](https://pytorch.org/docs/stable/nn.html) module. ## Test implementation 1: Sequential linear neural network ```python import flexinet nn = flexinet.models.NN() ``` ```python # example nn = flexinet.models.compose_nn_sequential(in_dim=50, out_dim=50, activation_function=Tanh(), hidden_layer_nodes={1: [500, 500], 2: [500, 500]}, dropout=True, dropout_probability=0.1, ) ``` ## Test implementation 2: vanilla linear VAE <img width="400" alt="FlexiLinearAVE" src="/docs/img/flexinet.LinearVAE.svg"> ## Installation To install the latest distribution from [PYPI](https://pypi.org/project/flexinet/): ```BASH pip install flexinet ``` Alternatively, one can install the development version: ```BASH git clone https://github.com/mvinyard/flexinet.git; cd flexinet; pip install -e . ``` ### Example ```python import flexinet as fn import torch X = torch.load("X_data.pt") X_data = fn.pp.random_split(X) X_data.keys() ``` >`dict_keys(['test', 'valid', 'train'])` ```python model = fn.models.LinearVAE(X_data, latent_dim=20, hidden_layers=5, power=2, dropout=0.1, activation_function_dict={'LeakyReLU': LeakyReLU(negative_slope=0.01)}, optimizer=torch.optim.Adam reconstruction_loss_function=torch.nn.BCELoss(), reparameterization_loss_function=torch.nn.KLDivLoss(), device="cuda:0", ) ``` <img width="541" alt="from_nb.linear_VAE" src="https://user-images.githubusercontent.com/47393421/168488664-e7918416-8ae8-4369-a6ef-b73449c42b5f.png"> ```python model.train(epochs=10_000, print_frequency=50, lr=1e-4) ``` <img width="541" alt="from_nb.train_in_progress" src="https://user-images.githubusercontent.com/47393421/168489358-620815b0-b129-43af-8eb4-0009c46d3295.png"> ```python model.plot_loss() ``` ![loss-plot](https://user-images.githubusercontent.com/47393421/168498723-4b183481-b651-45ba-abf9-72df57a7ee97.png) ## Contact If you have suggestions, questions, or comments, please reach out to Michael Vinyard via [email](mailto:mvinyard@broadinstitute.org)

نیازمندی

مقدار	نام
>=0.7.8	anndata
>=1.17.0	numpy
>=1.10.1	torch
>=0.0.3	licorice-font
>=0.2.3	geomloss

زبان مورد نیاز

مقدار	نام
>3.6.0	Python

نحوه نصب

نصب پکیج whl flexinet-0.0.4:

pip install flexinet-0.0.4.whl

نصب پکیج tar.gz flexinet-0.0.4:

pip install flexinet-0.0.4.tar.gz