github 前端,github有趣的前端项目

　　点击上方“Github中文社区”关注

　　在Github上查看所有有趣的项目

　　从机器的中心

　　大家好，我是hub哥！

　　在深度学习时代，谷歌、脸书、百度等科技巨头已经开放了多种框架，帮助开发者更容易地学习、构建和训练不同类型的神经网络。而这些大公司也花了很多精力去维护TensorFlow、PyTorch这样庞大的深度学习框架。

　　除了这样的主流框架，开发者还会开源一些小而精的框架或库。例如，今年4月，特斯拉人工智能部门负责人安德烈卡帕西(Andrej Karpathy)开放了其微型自动签名引擎micrograd的源代码，其中也实现了类似PyTorch api的神经网络库，有50行代码。目前，micrograd项目的GitHub恒星已经达到1200颗。

　　前不久，天才黑客zzdnht Hotz(乔治的聪明希望)开放了一个小型的亲笔签名张量库tinygrad，介于PyTorch和micrograd之间，可以满足深度学习的大部分要求。启动后不到一个月，该项目在GitHub上获得了1400颗星。

　　项目地址：https://github.com/geohot/tinygrad

　　根据GitHub的内容，下面简单介绍一下tinygrad的安装和使用。有兴趣的同学也可以通过zzdnht Hotz的YouTube视频来学习。

　　视频地址：https://www.youtube.com/channel/UCwgKmJM4ZJQRJ-U5NjvR2dg

tinygrad 的安装与使用

　　“tinygrad可能不是最好的深度学习框架，但它确实是一个深度学习框架。」

　　DNZHT在项目中保证tinygrad代码量永远小于1000行。

安装

　　tinygrad的安装过程非常简单，只需使用以下命令：

　　pip3安装tinygrad -升级

示例

　　安装tinygrad后，可以使用以下代码运行示例：

　　torch tinygrad . tensor import tensorx=tensor . eye(3)y=tensor([[2.0，0，-2.0]]) z=y.matmul (x)。sum()z . backward()print(x . grad)# dz/dx print(

　　import torchx=torch.eye(3，requires _ grad=True)y=torch . tensor([[2.0，0，-2.0]]，requires _ grad=True)z=y . mat mul(x)。sum()z . backward()print(x . grad)# dz/dx print(y . grad)# dz/dy

满足对神经网络的需求

　　一个好的亲笔签名张量库可以满足你对神经网络90%的需求。从tinygrad.optim添加优化器(SGD，RMSprop，Adam)，再写一些minibatching的样例代码，就可以实现你的要求了。

　　例子如下：

　　从tinygrad.tensor导入tensor导入tinygrad.optim作为optimfrom tinygrad.utils导入layer _ init _ uniform class TinyBobNet:def _ _ init _ _(self):self . L1=Tensor(layer _ init _ uniform(784，128))self . L2=Tensor(layer _ init _ uniform(128，10)) def forward(self，x): return x.dot(self.l1)。relu()。点(self.l2)。logsoftmax()model=TinyBobNet()optim=optim。SGD([模型. l1，模型. l2]，lr=0.001)#.并且像pytorch一样完成，用(x，y)data out=model . forward(x)loss=out . mul(y)。mean()loss . backward()optim . step()