simple-tensorflow

Simplificación de la libreria tensorflow.js para que sea mas facil de usar.

Usage no npm install needed!

<script type="module">
  import simpleTensorflow from 'https://cdn.skypack.dev/simple-tensorflow';
</script>

README

Un npm que simplifica bastante la libreria tensorflow.js. Creador

Instalación

Antes de instalarlo, debe tener instalado Node.js y Python 2.7 La instalación se realiza mediante el comando de instalación npm:

$ npm install simple-tensorflow --save

Características

  • Reducción de dificultad para crear una red neuronal
  • Separación de las capas
  • User-Friendly
  • Entrenamiento Rapido

Conceptos Basicos

  • Las capas son la estructura del cerebro de la red neuronal,la primera capa de los modelos siempre debe llevar la dimensión del input
  • Las perdidas son diferentes funciones para evaluar que tan bien/mal lo esta haciendo la red neuronal,la mejor depende para que se este utilizando.
  • Los optimizadores son la manera en la que la red neuronal se adapta a los datos.

Opciones Modelo

Perdida

  • meanSquaredError
  • meanAbsoluteError
  • meanAbsolutePercentageError
  • meanSquaredLogarithmicError
  • squaredHinge
  • hinge
  • categoricalHinge
  • logcosh
  • categoricalCrossentropy
  • sparseCategoricalCrossentropy
  • binaryCrossentropy
  • kullbackLeiblerDivergence
  • poisson
  • cosineProximity

Optimizadores

  • sgd
  • momentum
  • adagrad
  • adadelta
  • adam
  • adamax
  • rmsprop

Opciones

  • iteraciones: Numero de veces que la red aprendera los datos.
  • aleatorio: Esto indicara si se cambiara el orden de los datos.
  • logs: Numero del 0 al 2 que indicara cuanta información se dara en cada entrenamiento por medio de la consola.

Capas

  • Dense
  • BatchNormalization
  • Reshape
  • Conv2D

Configuración de las capas

Cada capa puede tener una configuración diferente pero esta es la configuración que suelen tener todas

  • neuronas
  • activacion
  • entrada

Activaciones

Las capas necesitan una función de activación para funcionar correctamente

  • elu
  • hardSigmoid
  • linear
  • relu
  • relu6
  • selu
  • sigmoid
  • softmax
  • softplus
  • softsign
  • tanh
  • swish
  • mish

Ejemplos

Ejemplo 1: XOR Basico

const neural = require('simple-tensorflow')

let capa1 = new neural.Dense({neuronas:2,entrada:2})
let capa2 = new neural.Dense({neuronas:1})

const modelo = new neural.Modelo([capa1,capa2],'meanSquaredError','sgd')

let datosx = [[1,1],[1,0],[0,1],[0,0]]
let datosy = [0,1,1,0]

modelo.entrenar(datosx,datosy,{
  iteraciones:5,
  aleatorio:true
}).then(() => {
  let entrada = [[1,1]]
  let resultado = modelo.predecir(entrada)
  console.log(resultado) //Si usaste [1,1] o [0,0] al ser un XOR debe darte un numero cercano a 0 pero si usaste [1,0] o [0,1] debe darte un numero cercano a 1
})

Creado por: Discord Safe