Loading repository data…
Loading repository data…
metantonio / repository
Este repositorio estará basado en la creación de una red neuronal hecha en Python con las librerías numpy, matplotlib y pandas, con la meta de explicar el proceso de aprendizaje de una red neuronal.
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
Este script en python se realizó para demostrar cómo una red neuronal simple se puede programar en python
Está hecho pensando en usuarios nuevos.
Descargar los archivos en una misma carpeta.
Se necesita tener instalado Python 3.9 (preferiblemente), el cual puede descargarse desde la tienda oficial de Microsoft de forma gratuita.
También es necesario instalar algunas dependencias de Python la primera vez para el correcto funcionamiento del script, para esto tan sólo se debe dar doble click al archivo: instalar dependencias.bat. Si por el contrario, se desean instalar las dependencias de Python de forma manual, es necesario ejecutar las siguientes líneas de código en el prompt (parece repetir, pero es una forma de evitar errores si hay más de una versión de python en el pc, o más de un usuario incluso en windows):
pip3 install pandas
python3 -m pip install --upgrade pip
pip3 install matplotlib
python -m pip install --upgrade pip
python3 -m pip install matplotlib --user
Para ejecutar el script, basta con darle doble click al archivo: Run main.bat. Aunque si se desea ejecutar el script manualmente, hay que abrir el prompt de Windows, navegar hasta la dirección en que están contenidos los archivos, y ejecutar:
python3 main.py
Agregué un archivo de excel, Peceptron Concepto VBA.xlsm, que ejecuta una macro, para la explicación de un perceptrón y como al repetir el proceso de manera inteligente y aplicando el descenso del gradiente se convierte en una red neuronal. La red neuronal presentada en esta hoja, tiene 4 neuronas de entrada (4 ejemplos) con 3 capas de entrada cada una (x1, x2, x3), y una capa de salida (output).
En el siguiente LINK muestro ejemplos en los que se pueden usar las redes neuronales, de manera visual en un archivo excel personalizado. Claro que, para redes neuronales grandes, Excel es lento y por eso es mejor Python.