Unda

通用神经网络库

Unda 旨在将深度学习的未来带给 Rust 世界。凭借动态输入特性、并发小批量处理以及完整的 Dense 网络支持（卷积即将到来），Unda 正迅速崛起，使神经网络开发变得简单且 极其快速。

安装

使用包管理器 cargo 将 unda 添加到您的 Rust 项目中。

cargo add unda

或在您的 cargo.toml 文件中直接添加依赖项

[dependencies]
unda = "{version}"

用法

use unda::core::network::Network;
use unda::core::layer::{methods::activations::Activations, layers::{LayerTypes, InputTypes}};
use unda::core::data::input::Input;
use unda::core::layer::{methods::errors::ErrorTypes};

fn main() {
    let inputs = vec![vec![0.0,0.0],vec![1.0,0.0],vec![0.0,1.0], vec![1.0,1.0]];
    let outputs = vec![vec![0.0],vec![1.0],vec![1.0], vec![0.0]];

    let mut new_net = Network::new(4);

    new_net.set_input(InputTypes::DENSE(2))
    new_net.add_layer(LayerTypes::DENSE(3, Activations::RELU, 0.001));
    new_net.add_layer(LayerTypes::DENSE(1, Activations::SIGMOID, 0.001));

    new_net.compile();

    new_net.fit(&inputs, &outputs, 2, ErrorTypes::MeanAbsolute);

    println!("1 and 0: {:?}", new_net.predict(vec![1.0,0.0])[0]);
    println!("0 and 1: {:?}", new_net.predict(vec![0.0,1.0])[0]);
    println!("1 and 1: {:?}", new_net.predict(vec![1.0,1.0])[0]);
    println!("0 and 0: {:?}", new_net.predict(vec![0.0,0.0])[0]);

    new_net.save("best_network.json");
}

示例

unda 仓库托管了大量的示例机器学习模型，用于计算一系列常见问题。这些示例可以在 /examples 文件夹中找到，可以通过输入以下命令运行：

cargo run --release --example {example_name}

其中 example_name 是您想要运行的文件/文件夹的名称，省略了 .rs 扩展名

目前，Unda 对 XoR、MNIST 以及 Kaggle 上的一个 乳腺癌模型 提供了示例实现

注意！在运行 MNIST 示例时，请确保将适当的 ubyte 文件放入此仓库的 /src/util/mnist 目录中。我们目前正在努力使用 reqwest 自动构建数据集，但到目前为止，必须手动进行

以下是必要的 ubyte 文件的 Google Drive 链接

• 标签
• 图片

对未来机器学习的启示

使用内置的 Input 特性，几乎可以将任何数据类型映射为神经网络的输入，而无需进行任何折衷，层内部的特性允许以即插即用的方式开发神经网络。目前，Unda 对 Dense 层、Adam 优化反向传播、激活函数（Sigmoid、TanH、ReLU 和 LeakyReLU）以及每个模型和每层的损失分析都提供了全面支持。

梯度下降目前既可以同步发生，也可以通过随机梯度下降异步发生，还可以通过小批量梯度下降异步发生。

待办事项

目前，Unda 处于非常早期的测试阶段，以下功能仍在开发中

【神经网络目标】

• 为层创建抽象表示（层特质）
  • 密集层
  • 卷积层
    • 分类交叉熵
    • SoftMax
  • 循环层
• 允许每个层有不同的激活函数和学习率
• 反向传播中的Adam优化
• 解析CSV数据的辅助函数
• 生成MNIST数据集的辅助函数
• 生成和推导分类数据的辅助函数

如果您喜欢开源开发，Unda团队非常愿意进行任何可以实施的工作，如果您想帮忙，请联系 [email protected]！

许可证

根据您的选择，受Apache许可证版本2.0 https://apache.ac.cn/licenses/LICENSE-2.0 或MIT许可证 http://opensource.org/licenses/MIT 的许可。此文件只能根据这些条款进行复制、修改或分发。