NeuralNetwork< T > Class Template Reference

Clase que representa una red neuronal completamente conectada. More...

#include <neural_network.h>

Public Member Functions
	NeuralNetwork ()
	Constructor por defecto.
template<typename L, typename... Args>
void	add_layer (Args &&... args)
	Agrega una nueva capa a la red.
template<template< typename... > class LossType, template< typename... > class OptimizerType = SGD>
void	train (const algebra::Tensor< T, 2 > &x, const algebra::Tensor< T, 2 > &y, const size_t epochs, const size_t batch_size, T learning_rate, std::mt19937 &rng)
	Entrena la red neuronal usando descenso por lotes.
auto	predict (const algebra::Tensor< T, 2 > &X) -> algebra::Tensor< T, 2 >
	Realiza una predicción sobre un conjunto de datos.
void	save (std::ostream &out) const
	Guarda el modelo en un flujo de salida binario.

Static Public Member Functions
static auto	load (std::istream &in) -> NeuralNetwork< T >
	Carga una red neuronal desde un flujo de entrada binario.

Detailed Description

template<typename T>
class NeuralNetwork< T >

Clase que representa una red neuronal completamente conectada.

Template Parameters

T	Tipo de dato para los pesos y cálculos (float, double, etc.).

Constructor & Destructor Documentation

NeuralNetwork()

template<typename T>

utec::neural_network::NeuralNetwork< T >::NeuralNetwork ( )

inline

Constructor por defecto.

Member Function Documentation

add_layer()

template<typename T>

template<typename L, typename... Args>

void utec::neural_network::NeuralNetwork< T >::add_layer ( Args &&... args )

inline

Agrega una nueva capa a la red.

Template Parameters

L	Tipo de capa (e.g., Dense, ReLU).
Args	Tipos de argumentos para el constructor de la capa.

Parameters

args	Argumentos para inicializar la capa. @complexity O(1).

load()

template<typename T>

auto utec::neural_network::NeuralNetwork< T >::load ( std::istream & in ) -> NeuralNetwork<T>

inlinestatic

Carga una red neuronal desde un flujo de entrada binario.

Parameters

in	Flujo de entrada desde el cual se carga la red.

Returns

Instancia de NeuralNetwork cargada con sus capas (y pesos si es que la capa lo permite). @complexity O(L*s), donde L es el número de capas y s el tamaño serializado de cada una.

Here is the caller graph for this function:

predict()

template<typename T>

auto utec::neural_network::NeuralNetwork< T >::predict ( const algebra::Tensor< T, 2 > & X ) -> algebra::Tensor<T, 2>

inline

Realiza una predicción sobre un conjunto de datos.

Parameters

X	Datos de entrada.

Returns

Tensor con la predicción de salida. @complexity O(L*f), donde L es el número de capas y f es el costo del forward.

save()

template<typename T>

void utec::neural_network::NeuralNetwork< T >::save ( std::ostream & out ) const

inline

Guarda el modelo en un flujo de salida binario.

Parameters

out	Flujo de salida donde se guarda la red. @complexity O(L*s), donde s es el tamaño serializado de cada capa.

train()

template<typename T>

template<template< typename... > class LossType, template< typename... > class OptimizerType = SGD>

void utec::neural_network::NeuralNetwork< T >::train ( const algebra::Tensor< T, 2 > & x, const algebra::Tensor< T, 2 > & y, const size_t epochs, const size_t batch_size, T learning_rate, std::mt19937 & rng )

inline

Entrena la red neuronal usando descenso por lotes.

Template Parameters

LossType	Tipo de función de pérdida (ej. MSELoss, BCELoss, ...).
OptimizerType	Tipo de optimizador (ej. SGD, Adam, ...). Por defecto es SGD.

Parameters

x	Datos de entrada.
y	Etiquetas esperadas.
epochs	Número de épocas de entrenamiento.
batch_size	Tamaño del batch.
learning_rate	Tasa de aprendizaje.
rng	Generador aleatorio para mezclar los datos. @complexity O(e*(n/b)*L*(f+b+u))), donde: e: número de épocas n: número total de muestras b: batch size L: número de capas f: costo forward de una capa b: costo backward de una capa u: costo de actualización de parámetros por capa

---

The documentation for this class was generated from the following file:

• include/utec/nn/neural_network.h