一个类似keras的api深度学习框架,由cupy实现
shinnosuke-gpu的Python项目详细描述
#Shinnosuke GPU:深度学习框架 ##说明
基于CUPY(GPU版本)
完全由python实现
类似路边石的API
用于深入学习学习
##功能
python自带的
类似路边石的API
易于启动
提供了常用的模型:dense、conv2d、maxpooling2d、lstm、simplernn等
几个基本网络示例
实现了时序模型和功能模型
支持自动加载
##安装 使用pip:
$ pip install shinnosuke-gpu
##支持
两种型号:
1.顺序
fromshinnosuke.modelsimportSequentialfromshinnosuke.layers.FCimportDensem=Sequential()m.add(Dense(500,activation='relu',n_in=784))m.add(Dense(10,activation='softmax'))m.compile(optimizer='sgd',loss='sparse_categorical_crossentropy',learning_rate=0.1)m.fit(trainX,trainy,batch_size=512,epochs=1,validation_ratio=0.)
2.型号
fromshinnosuke.modelsimportModelfromshinnosuke.layers.FCimportDensefromshinnosuke.layers.BaseimportInputX_input=Input(shape=(None,784))X=Dense(500,activation='relu')(X_input)X=Dense(10,activation='softmax')(X)model=Model(inputs=X_input,outputs=X)model.compile(optimizer='sgd',loss='sparse_categorical_crossentropy',learning_rate=0.1)model.fit(trainX,trainy,batch_size=512,epochs=1,validation_ratio=0.)
两个基本类:
-层:
密度
conv2d
MaxPooling2d
平均池2d
激活
输入
辍学
批量规范化
时间分布
简化
LSTM
GRU(等待实施)
零填充2d
操作(包括添加、减号、乘法、matmul等层和节点的基本操作)
####-节点:
- 变量
- 常数
###优化器
随机梯度下降
动量
rmsprop
阿达格拉德
adadelta
亚当
等待更多实现
###目标
均方误差
平均绝对误差
二元交叉熵
稀疏类交叉熵
分类交叉熵
###激活
relu
线性
乙状结肠
晒黑
softmax
###初始化
零
一个
制服
lecununiform
格洛特制服
启发式
正常
l异常
glorotnormal
现象学
正交
###规范化 正在等待实施。
###实用程序
获取批次(生成小批次)
分类(将输入转换为一个热向量/矩阵)
级联(在指定轴中具有相同形状的级联节点)
焊盘序列(焊盘序列的长度相同)