rust-w/python绑定中的微神经网络框架
pyrus-nn的Python项目详细描述
#Pyrus nn
[！[生成状态]（https://milesgranger.visualstudio.com/builds//u api/build/status/pyrus-nn？branchname=master）（https://milesgranger.visualstudio.com/builds//u build/latest？definitionid=1&branchname=master）
[！[可信性状态]（https://api.conservot.com/badges/status？host=github&；repo=milesgranger/black jack）（https://conservat.com）
[！[crates.io]（http://meritbadge.herokapp.com/pyrus nn）]（https://crates.io/crates/pyrus nn）
[rust api文档]（https://docs.rs/pyrus nn）
用rust编写的轻量级神经网络框架，带有“瘦”python绑定。
-功能：
-将网络序列化到/从yaml&json！
-rust->；serde compatible
-python->；`network.to_dict（）`&；`sequential.from_dict（）`
-python安装需要_zero_u依赖项
-不需要安装外部系统libs
-收回：
-仅支持通用渐变下降。
-到目前为止，完全连接（密集）层才
-激活函数仅限于线性、tanh、sigmoid和softmax
-成本函数仅限于mse、mae、交叉熵和精度
````
`` toml
[依赖关系]
pyrus n n=“0.2.1”
``
pyrus nn=“0.2.1”
`````
`` python
`` python
`` python
` `` pyrus n n n n n n模型从pyrus n n n n n模型导入顺序
n从pyrus n n n n n层导入稠密
/>
/>model=model=顺序（lr=0
模型。添加（密集（n_输入=12，n_输出=24，activation='sigmoid'））
模型。添加（密集（n_输入=24，n_输出=1，activation='sigmoid'））
out=model.predict（x）
```
````````````锈``锈``锈`锈`锈`>
使用ndarray：：array2；
使用pyrus，使用pyrus，使用pyrus，使用pyrus，使用pyrus，使用pyrus，网络：：顺序，层：密集}；
out outn=moden=moden=moden，让mut network网络=sequential：：new（0.0.0.001，100，32，costfunc：：crossentropy）；
断言！（
network.add（dense：：new（4，5））.is_ok（）
）；
断言！（
network.add（dense：：new（5，6））.is_ok（）
）；
断言！（
network.add（dense：：new（6，4））.is_ok（）
）；
断言！网络。添加（Dense：：New（4，1））。is_ok（）
；
x:array2<；f32>；=…
y:array2<；f32>；=…
>
network.fit网络。fit（x.view（），y.view（））；
br/>
[！[生成状态]（https://milesgranger.visualstudio.com/builds//u api/build/status/pyrus-nn？branchname=master）（https://milesgranger.visualstudio.com/builds//u build/latest？definitionid=1&branchname=master）
[！[可信性状态]（https://api.conservot.com/badges/status？host=github&；repo=milesgranger/black jack）（https://conservat.com）
[！[crates.io]（http://meritbadge.herokapp.com/pyrus nn）]（https://crates.io/crates/pyrus nn）
[rust api文档]（https://docs.rs/pyrus nn）
用rust编写的轻量级神经网络框架，带有“瘦”python绑定。
-功能：
-将网络序列化到/从yaml&json！
-rust->；serde compatible
-python->；`network.to_dict（）`&；`sequential.from_dict（）`
-python安装需要_zero_u依赖项
-不需要安装外部系统libs
-收回：
-仅支持通用渐变下降。
-到目前为止，完全连接（密集）层才
-激活函数仅限于线性、tanh、sigmoid和softmax
-成本函数仅限于mse、mae、交叉熵和精度
````
`` toml
[依赖关系]
pyrus n n=“0.2.1”
``
pyrus nn=“0.2.1”
`````
`` python
`` python
`` python
` `` pyrus n n n n n n模型从pyrus n n n n n模型导入顺序
n从pyrus n n n n n层导入稠密
/>
/>model=model=顺序（lr=0
模型。添加（密集（n_输入=12，n_输出=24，activation='sigmoid'））
模型。添加（密集（n_输入=24，n_输出=1，activation='sigmoid'））
out=model.predict（x）
```
````````````锈``锈``锈`锈`锈`>
使用ndarray：：array2；
使用pyrus，使用pyrus，使用pyrus，使用pyrus，使用pyrus，使用pyrus，网络：：顺序，层：密集}；
out outn=moden=moden=moden，让mut network网络=sequential：：new（0.0.0.001，100，32，costfunc：：crossentropy）；
断言！（
network.add（dense：：new（4，5））.is_ok（）
）；
断言！（
network.add（dense：：new（5，6））.is_ok（）
）；
断言！（
network.add（dense：：new（6，4））.is_ok（）
）；
断言！网络。添加（Dense：：New（4，1））。is_ok（）
；
x:array2<；f32>；=…
y:array2<；f32>；=…
>
network.fit网络。fit（x.view（），y.view（））；
br/>
欢迎加入QQ群-->： 979659372
