소개:

Note는 개발자가 신경망(neural networks)을 쉽게 구축하고 훈련할 수 있도록 지원하는 효율적이고 유연한 머신러닝 라이브러리입니다. 딥러닝 (deep learning)과 강화학습 (reinforcement learning, RL)을 모두 지원하여 분산 훈련(distributed training)도 손쉽게 수행할 수 있게 합니다.

설치:

Note를 사용하려면 https://github.com/NoteDance/Note에서 다운로드한 후, Python 환경의 site-packages 폴더에 압축을 해제해야 합니다.

필수 패키지:

tensorflow>=2.16.1

pytorch>=2.3.1

gym<=0.25.2

matplotlib>=3.8.4

einops>=0.8.0

Python 요구사항:

python>=3.10

딥러닝:

Note.nn.layer 패키지에는 많은 레이어 모듈(layer modules)이 포함되어 있어 이를 사용하여 신경망을 구축할 수 있습니다. Note의 레이어 모듈은 TensorFlow를 기반으로 구현되었기 때문에 TensorFlow의 API와 호환됩니다. 이 레이어 모듈을 사용하면 PyTorch나 Keras 스타일로 신경망을 구축할 수 있으며, TensorFlow로 훈련된 신경망도 만들 수 있습니다.

문서: https://github.com/NoteDance/Note-documentation/tree/layer-7.0

Note.models.tf 패키지에는 Note의 레이어 모듈로 구현되었으며 TensorFlow로 훈련할 수 있는 신경망이 포함되어 있습니다. 또한 이 모델들을 Note를 사용하는 예시로 고려할 수 있습니다. 문서에서는 Note로 구축된 모델을 훈련하고, 테스트하고, 최적의 학습률(lr)과 옵티마이저(optimizer)를 찾고, 저장 및 복원하는 방법을 보여줍니다.

문서: https://github.com/NoteDance/Note-documentation/tree/Model-7.0

강화학습:

에이전트 클래스(agent class)가 RL 또는 RL_pytorch 클래스를 상속받기만 하면, Note, Keras 또는 PyTorch로 구축된 에이전트를 쉽게 훈련할 수 있습니다. 예제 여기에서 에이전트 구축 방법을 배울 수 있습니다. 문서에서는 Note, Keras 또는 PyTorch로 구축된 에이전트를 훈련하고, 저장 및 복원하는 방법을 보여줍니다.

문서: https://github.com/NoteDance/Note-documentation/tree/RL-7.0

함수 모듈 (Function modules):

문서화 (Documentation): https://github.com/NoteDance/Note-documentation/tree/function-7.0

Note.nn.Model.Model:

Model 클래스는 신경망의 파라미터와 레이어를 관리합니다.

Model 함수 문서화: https://github.com/NoteDance/Note-documentation/tree/function-7.0

Note.nn.initializer.initializer:

이 함수는 신경망의 파라미터를 초기화하는 데 사용되며, TensorFlow 변수를 반환하고 이 변수를 학습 가능한 파라미터 목록(Model.param)에 저장합니다.

Note.nn.initializer.initializer_:

이 함수는 신경망의 파라미터를 초기화하는 데 사용하며, TensorFlow 변수를 반환합니다.

Note.nn.parameter.Parameter:

이것의 기능은 torch.nn.parameter.Parameter와 유사합니다.

Note.nn.Sequential.Sequential:

이 클래스는 tf.keras.Sequential 및 torch.nn.Sequential과 유사하게 사용됩니다.

Patreon:

Patreon에서 이 프로젝트를 지원할 수 있습니다.

문의 (Contact):

사용에 문제가 있거나 제안 사항이 있으면 저에게 연락할 수 있습니다.

E-mail: [email protected]