文件名称：AutoGrad.jl:Python autograd软件包的Julia端口
文件大小：90KB
文件格式：ZIP
更新时间：2024-06-12 07:37:02
data-science machine-learning deep-learning automatic-differentiation autograd
自动毕业 AutoGrad.jl是Julia的自动差异包。 它是流行的Python 软件包的移植，并构成了 Julia深度学习框架的基础。 通过跟踪原始操作并使用此执行跟踪来计算梯度，AutoGrad可以区分常规的Julia代码，包括循环，条件，帮助函数，闭包等。 它使用反向模式微分（aka反向传播），因此可以有效地处理大型数组输入和标量输出的函数。 它可以计算梯度的梯度以处理高阶导数。 安装 您可以使用以下方法在Julia中安装AutoGrad： julia > using Pkg; Pkg . add ( " AutoGrad " ) 为了在您的代码中使用它，请从以下内容开始： using AutoGrad 界面 x = Param ([ 1 , 2 , 3 ]) # user declares parameters x => P ([ 1 , 2 , 3 ]) # t
【文件预览】：
AutoGrad.jl-master
----.travis.yml(1KB)
----Project.toml(632B)
----data()
--------README(57B)
----prof()
--------profile.jl(9KB)
--------profflat.pl(266B)
--------proftree.pl(296B)
----.github()
--------workflows()
----test()
--------sparse.jl(1KB)
--------statistics.jl(861B)
--------getindex.jl(4KB)
--------math.jl(3KB)
--------iterate.jl(1KB)
--------highorder.jl(2KB)
--------base.jl(4KB)
--------header.jl(75B)
--------core.jl(3KB)
--------runtests.jl(584B)
--------linearalgebra.jl(2KB)
--------rosenbrock.jl(558B)
--------gradcheck.jl(6KB)
--------neuralnet.jl(679B)
--------specialfunctions.jl(4KB)
--------cat.jl(1002B)
----NEWS.md(7KB)
----appveyor.yml(1KB)
----src()
--------sparse.jl(4KB)
--------statistics.jl(1KB)
--------getindex.jl(5KB)
--------core.notes(12KB)
--------math.jl(4KB)
--------iterate.jl(954B)
--------unbroadcast.jl(1KB)
--------base.jl(10KB)
--------macros.jl(14KB)
--------AutoGrad.jl(3KB)
--------show.jl(3KB)
--------core.jl(8KB)
--------linearalgebra.jl(7KB)
--------addto.jl(5KB)
--------specialfunctions.jl(3KB)
--------params.jl(2KB)
--------cat.jl(6KB)
----examples()
--------rnn_lonely_integer.jl(10KB)
--------mnist.jl(4KB)
--------README.md(2KB)
--------charlm.jl(8KB)
--------housing.jl(2KB)
----LICENSE.md(1KB)
----.gitignore(145B)
----ChangeLog(38KB)
----README.md(11KB)
----util()
--------functions.jl(822B)
--------util.jl(5KB)
--------debug.jl(4KB)
--------imports.pl(189B)