使神经网络出现的库
pearlib的Python项目详细描述
pear
和神经网络出现
pear是一个旨在提供神经网络可视化表示的库。它可以读取使用google的tensorflow-in构建的网络,并为每个请求的层绘制相关的决策边界。
pear的安装还将安装以下软件包(如果您的系统上尚未安装这些软件包的话):numpy、枕头、matplotlib、tensorflow,网络颜色。
若要使用,请执行以下操作:
>;>import pearlib
-所有权重矩阵应命名为“w”,后跟它们所属的层数。示例:第一层的权重矩阵将称为“w1”。
-所有偏移向量都应命名为“b”,后跟它们所属的层数。示例:第一层的偏移向量将称为“b1”。
lena的示例网络,在“example”文件夹中有不同数量的参数,以及一个运行文件“example.py”的示例,显示如何使用pear来可视化网络。
ap'pear,pear的图形用户界面可在此处下载:https://lc.cx/gpgp
若要启动它,请解压缩文件并在命令终端中执行以下操作::
>;>;python3 main.py
下载地址:https://lc.cx/gpgp
和神经网络出现
pear是一个旨在提供神经网络可视化表示的库。它可以读取使用google的tensorflow-in构建的网络,并为每个请求的层绘制相关的决策边界。
pear的安装还将安装以下软件包(如果您的系统上尚未安装这些软件包的话):numpy、枕头、matplotlib、tensorflow,网络颜色。
若要使用,请执行以下操作:
>;>import pearlib
-所有权重矩阵应命名为“w”,后跟它们所属的层数。示例:第一层的权重矩阵将称为“w1”。
-所有偏移向量都应命名为“b”,后跟它们所属的层数。示例:第一层的偏移向量将称为“b1”。
lena的示例网络,在“example”文件夹中有不同数量的参数,以及一个运行文件“example.py”的示例,显示如何使用pear来可视化网络。
ap'pear,pear的图形用户界面可在此处下载:https://lc.cx/gpgp
若要启动它,请解压缩文件并在命令终端中执行以下操作::
>;>;python3 main.py
下载地址:https://lc.cx/gpgp