深度学习框架(Deep Learning Framework)
Project description
深度学习框架 V0.0.12
安装:pip install start-zero
一、框架主要内容
| 序号 | 内容 | 备注 |
|---|---|---|
| 1 | 数值微分、自动微分、高阶求导 | 高阶求导使用反向传播的反向传播 |
| 2 | 处理标量和张量 | Tensor类(兼容numpy) |
| 3 | 支持GPU运算 | 只支持N卡,目前代码需要将np.array变为cupy.array 使用条件: ①Config.ENABLE_GPU = True ②CUDA.is_available() == True |
| 4 | Define-by-Run | 运行时动态图(核心),静态图(Define-and-Run)暂时不会去实现,因为涉及领域特定语言 |
| 5 | 常用函数 | 目前一共支持39个函数(32个函数有正向传播和反向传播) |
二、支持的函数
| 序号 | 函数 | 符号 | 备注 |
|---|---|---|---|
| 1 | 合并求和、广播、求和、平均数、矩阵相乘、矩阵转置、重塑形状、线性回归 | sum_to、broadcast_to、sum、average、matmul、transpose、reshape、linear | ft0.py(8个函数) |
| 2 | 加、减、乘、除、幂、负数、模 | add(+)、sub(-)、mul(*)、div(/)、power(**)、neg(-)、mod(%) | ft1.py(7个函数) |
| 3 | 正弦、余弦、正切、双曲正切 | sin、cos、tan、tanh | ft2.py(4个函数) |
| 4 | e为底的指数、10为底的对数、e为底的对数 | exp、lg、ln | ft3.py(3个函数) |
| 5 | S型生长曲线、线性整流函数、归一化指数函数、归一化指数函数、线性整流函数、阶跃函数 | sigmoid、relu、softmax、log_softmax、leaky_relu、step | ft4.py(6个函数) |
| 6 | 均方误差、交叉熵损失、交叉熵损失、二元交叉熵 | mean_squared_error、softmax_cross_entropy、sigmoid_cross_entropy、binary_cross_entropy | ft5.py(4个函数) |
| 7 | 最大值、最小值、限定数组上下界、批量 | max、min、clip、batch_norm | ft6.py(4个函数) |
| 8 | 准确度、退出、嵌入ID | accuracy、dropout、embed_id | ft7.py(3个函数) |
三、发布到PyPI
1、登录官网(https://pypi.org)并完成账号注册和安全认证
2、安装插件(E:\pyhton\python.exe -m pip install --upgrade pip setuptools wheel、E:\pyhton\python.exe -m pip install twine)
3、生成压缩包(python setup.py sdist)
4、上传压缩包(E:\pyhton\python.exe -m twine upload dist/*)
注:完成2FA认证后,username是:token,password是:生成的token
5、安装和卸载(pip install start-zero、pip uninstall start-zero)
注:指定版本如:pip install start-zero==1.0.0,也可以<或<=等
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
start-zero-0.0.12.tar.gz
(24.3 kB
view details)
File details
Details for the file start-zero-0.0.12.tar.gz.
File metadata
- Download URL: start-zero-0.0.12.tar.gz
- Upload date:
- Size: 24.3 kB
- Tags: Source
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/4.0.2 CPython/3.10.6
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
0e441b6be777d1400bf87fe17ec1c59770f144c9b2e7da0e734687055ed17418
|
|
| MD5 |
e044722866746bbe9de4cea20c9677f6
|
|
| BLAKE2b-256 |
f0a197df4d6a3820f3c02cd33d6da40f9efe8582d8e390389873e3ea8cb49a41
|