这个例子展示了如何训练一个神经网络来预测 XOR 函数的输出,使用我们用 Rust 编写的高速 CPU 后端。
import { Cost, CPU, DenseLayer, Sequential, setupBackend, SigmoidLayer, tensor1D, tensor2D, } from "https://deno.land/x/netsaur/mod.ts"; /** * 设置 CPU 后端。这个后端速度快,但不能在 Edge 环境运行。 */ await setupBackend(CPU); /** * 创建一个顺序神经网络。 */ const net = new Sequential({ /** * 小批量数设置为 4,输出大小设置为 2。 */ size: [4, 2], /** * silent 选项设置为 true,意味着网络在训练过程中不会输出任何日志。 */ silent: true, /** * 定义 XOR 函数示例中神经网络的层。 * 该神经网络有两个输入神经元和一个输出神经元。 * 层的定义如下: * - 具有 3 个神经元的密集层。 * - sigmoid 激活层。 * - 具有 1 个神经元的密集层。 * - sigmoid 激活层。 */ layers: [ DenseLayer({ size: [3] }), SigmoidLayer(), DenseLayer({ size: [1] }), SigmoidLayer(), ], /** * 用于训练网络的成本函数是均方误差 (MSE)。 */ cost: Cost.MSE, }); const time = performance.now(); /** * 在给定数据上训练网络。 */ net.train( [ { inputs: tensor2D([ [0, 0], [1, 0], [0, 1], [1, 1], ]), outputs: tensor2D([[0], [1], [1], [0]]), }, ], /** * 迭代次数设置为 10000。 */ 10000, ); console.log(`训练时间:${performance.now() - time}ms`); /** * 预测给定输入的 XOR 函数输出。 */ const out1 = (await net.predict(tensor1D([0, 0]))).data; console.log(`0 xor 0 = ${out1[0]}(应接近 0)`); const out2 = (await net.predict(tensor1D([1, 0]))).data; console.log(`1 xor 0 = ${out2[0]}(应接近 1)`); const out3 = (await net.predict(tensor1D([0, 1]))).data; console.log(`0 xor 1 = ${out3[0]}(应接近 1)`); const out4 = (await net.predict(tensor1D([1, 1]))).data; console.log(`1 xor 1 = ${out4[0]}(应接近 0)`);
通过将 CPU 后端改为 WASM 后端,我们牺牲了一些速度,但这使我们能够在边缘环境中运行。
import { Cost, DenseLayer, Sequential, setupBackend, SigmoidLayer, tensor1D, tensor2D, WASM, } from "https://deno.land/x/netsaur/mod.ts"; /** * 设置 WASM 后端。这个后端比 CPU 后端慢,但可以在 Edge 环境中工作。 */ await setupBackend(WASM);
/**
/**
/**
/**
const time = performance.now();
/**
console.log(训练时间:${performance.now() - time}毫秒);
/**
0 异或 0 = ${out1[0]}(应接近0));const out2 = (await net.predict(tensor1D([1, 0]))).data;
console.log(1 异或 0 = ${out2[0]}(应接近1));
const out3 = (await net.predict(tensor1D([0, 1]))).data;
console.log(0 异或 1 = ${out3[0]}(应接近1));
const out4 = (await net.predict(tensor1D([1, 1]))).data;
console.log(1 异或 1 = ${out4[0]}(应接近0));
### 文档
Netsaur的完整文档可以在[这里](https://deno.land/x/netsaur@0.3.1-patch/mod.ts)找到。
### 许可证
Netsaur使用MIT许可证。


免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具


最适合小白的AI自动化工作流平台
无需编码,轻松生成可复用、可变现的AI自动化工作流

大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。


AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想 工具。


AI论文写作指导平台
AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的 整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。


AI一键生成PPT,就用博思AIPPT!
博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。


AI赋能电商视觉革命,一站式智能商拍平台
潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。


企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。


稳定高效的流量提升解决方案,助力品牌曝光
稳定高效的流量提升解决方案,助力品牌曝光


最新版Sora2模型免费使用,一键生成无水印视频
最新版Sora2模型免费使用,一键生成无水印视频
最新AI工具、AI资讯
独家AI资源、AI项目落地

微信扫一扫关注公众号