poliflow 0.1.7

Mini deep learning framework

Poliflow

Poliflow es un framework de Deep Learning desarrollado en Python desde cero, diseñado con fines educativos y de investigación.
Incluye tensores, capas neuronales, funciones de activación, optimizadores y entrenamiento de modelos.

---

Instalación

pip install poliflow

---

Características

• Tensores personalizados
• Redes neuronales secuenciales
• Capas Dense / Linear
• Funciones de activación
• Función de pérdida MSE
• Optimizador SGD
• División de datasets
• Entrenamiento de modelos
• Predicción de datos

---

Ejemplo básico

from poliflow.nn.Linear import Linear
from poliflow.nn.Sequential import Sequential
from poliflow.nn.Activation import ReLU

model = Sequential(
    Linear(10, 32),
    ReLU(),
    Linear(32, 1)
)

---

Entrenamiento de un modelo

from poliflow.losses.MSE import MSELoss
from poliflow.optim.SGD import SGD

criterion = MSELoss()
optimizer = SGD(model.parameters(), lr=0.01)

---

Predicción

y_pred = model.predict(X_test)
print(y_pred)

---

Clase Linear

La capa Linear implementa una capa completamente conectada.

Parámetros

• in_features : número de entradas
• out_features : número de salidas

Ejemplo

layer = Linear(10, 5)

---

Función ReLU

La función de activación ReLU elimina valores negativos.

Ejemplo

from poliflow.nn.Activation import ReLU

activation = ReLU()

---

Función de pérdida MSE

Calcula el error cuadrático medio.

Ejemplo

from poliflow.losses.MSE import MSELoss

loss = MSELoss()

---

Optimizador SGD

Implementa descenso de gradiente estocástico.

Ejemplo

from poliflow.optim.SGD import SGD

optimizer = SGD(model.parameters(), lr=0.01)

---

División de datos

Poliflow incluye una utilidad para dividir datasets.

Ejemplo

from poliflow.data.split import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X,
    y,
    test_size=0.2
)

---

Proyecto

Repositorio oficial:

https://github.com/Th3copolo0X/Poliflow2

---

Licencia

MIT License