一个用于创建和训练前馈神经网络的小型python库
nnweaver的Python项目详细描述
[覆盖状态]（https://coveralls.io/repos/github/gvingiguerra/nnweaver/badge.svg？branch=master）（https://coveralls.io/github/gvingiguerra/nnweaver？分支=主）
[！[构建状态]（https://travis-ci.org/gvinciguerra/nnweaver.svg？branch=master）“（https://travis ci.org/gvingiguerra/nnweaver）
nnweaver是一个*小*python库，用于创建和训练前馈神经网络。我们开发这个库作为机器学习课程的一个项目。
简单的api，易学。
2.包括验证功能。
3.重量轻，依赖性小。
4.实时丢失/epoch曲线显示。
##入门35;
您可以创建一个前馈神经网络，指定输入数作为参数[`nn`]（https://gvingiguerra.github.io/nnweaver/nnweaver.html nnweaver.nn.nn），以及通过添加一个[`layer`]（https://gvingiguerra.github.io/nnweaver/nnweaver.html nnweaver.nn.layer）获得的输出数：
如下代码所示：
nn.添加层（层（7，乙状结肠））
nn.添加层（层（6，整流器，均匀（0，0.05））
nn.添加层（层（42，tanh，
有关可用激活函数的列表，请参见[`Activations`]（https://gvingiguerra.github.io/nnweaver/nnweaver.html module nnweaver.activations）获取有关可用激活函数列表的信息。
<<<<
现在，选择一个`损失`]（https://gvingihtml nnweaver.loss.loss）函数，将其传递给一个[`optimizer`]（https://gvingiguerra.github.io/nnweaver/nnweaver.html nnweaver.optimizers.optimizer）（就像随机梯度下降一样）并开始训练：
还有其他参数要传递给[`sgd.train（）`]（https://gvingiguerra.github.io/nnweaver/nnweaver.html nnweaver.optimizers.sgd.train）方法，例如：
sgd.train（nn，x_train，y_train，
learning_rate_time_based（0.25，0.001），
批处理大小=10，epochs=100，动量＝0.85）
BR/>同时，你可能想要控制模型的复杂性。[`sgd.train（）`]（https://gvingiguerra.github.io/nnweaver/nnweaver/nnweaver.html nnweaver.optimizers.sgd.train）有一个“regregregregizer”参数，它接受一个实例的[`llll12regularizer`]（https://gvingiguiguerra.github.io/nnweaver/nnweaver/nnweaver.html訛nnweaver.reg正则化器.llll12regularizer）类。
<；img src=“https://github.com/gvingiguerra/nnweaver/blob/gh-pages//u images/nnweaver.gif？
35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 根据麻省理工学院执照的条款。
欢迎加入QQ群-->： 979659372
