Neural Network Trainer

Questo progetto è un addestratore di una semplice rete neurale. L'obiettivo è fornire una base per l'apprendimento automatico utilizzando una rete neurale con un numero configurabile di input, output e layer nascosti.

Utilizzo

Segui i passaggi seguenti per utilizzare il progetto:

1. Assicurati di avere Python installato sul tuo sistema.

2. Clona il repository o scarica i file del progetto.

3. Installa le dipendenze eseguendo il comando seguente:

   pip install -r requirements.txt

4. Prepara il tuo dataset di addestramento:

   • Crea un file CSV che contenga i dati di addestramento. Ogni riga del file rappresenta un esempio di input-output per la rete neurale. Assicurati di separare gli input dagli output con una virgola.

   • Modifica il file dataset.csv esistente con i tuoi dati di addestramento o crea un nuovo file CSV e specifica il percorso nel parametro --dataset durante l'esecuzione del programma.

5. Esegui il programma utilizzando il seguente comando:

   python main.py --num_inputs <num_inputs> --num_outputs <num_outputs> --num_hidden <num_hidden> --num_layers <num_layers> --use_memory --dataset <dataset_path> --epochs <num_epochs> --learning_rate <learning_rate> --save_model --model_file <model_path>

   • Sostituisci <num_inputs>, <num_outputs>, <num_hidden>, <num_layers>, <dataset_path>, <num_epochs>, <learning_rate>, <model_path> con i valori desiderati.

   • L'opzione --use_memory è facoltativa e può essere inclusa per utilizzare neuroni con memoria.

   • L'opzione --save_model è facoltativa e può essere inclusa per salvare il modello addestrato su un file.

6. Durante l'esecuzione del programma, verranno visualizzati i risultati dell'addestramento, inclusi l'epoca corrente e l'errore medio.

7. Alla fine dell'addestramento, verranno generati input casuali e verrà calcolato l'output corrispondente utilizzando il modello addestrato. L'input e l'output saranno visualizzati a schermo.

8. Se hai incluso l'opzione --save_model, il modello addestrato verrà salvato nel file specificato.

Personalizzazioni

Puoi personalizzare il comportamento del programma modificando gli argomenti passati durante l'esecuzione o apportando modifiche al codice sorgente.

• Puoi regolare il numero di neuroni di input, output, layer nascosti e layer totali tramite gli argomenti --num_inputs, --num_outputs, --num_hidden e --num_layers.

• Puoi abilitare l'uso dei neuroni con memoria utilizzando l'opzione --use_memory.

• Puoi modificare il percorso del file CSV di addestramento utilizzando l'argomento --dataset.

• Puoi regolare il numero di epoche di addestramento utilizzando l'argomento --epochs.

• Puoi specificare il tasso di apprendimento utilizzando l'argomento --learning_rate.

• Puoi scegliere di salvare il modello addestrato su un file specifico utilizzando l'opzione --save_model e specificando il percorso del file con l'argomento --model_file.

• Se desideri apportare modifiche al comportamento del programma, puoi modificare il codice sorgente nei file main.py e neuron.py per adattarlo alle tue esigenze.

Esempi

Ecco alcuni esempi di comandi che puoi utilizzare per eseguire il programma:

• Addestrare una rete neurale con 2 neuroni di input, 1 neurone di output, 2 neuroni nascosti, 1 layer nascosto, utilizzando neuroni con memoria e salvando il modello addestrato:

  python main.py --num_inputs 2 --num_outputs 1 --num_hidden 2 --num_layers 1 --use_memory --save_model

• Addestrare una rete neurale utilizzando un file CSV diverso come dataset di addestramento:

  python main.py --dataset my_dataset.csv

• Addestrare una rete neurale per 200 epoche con un tasso di apprendimento di 0.01:

  python main.py --epochs 200 --learning_rate 0.01

• Addestrare una rete neurale e salvare il modello addestrato su un file specifico:

  python main.py --save_model --model_file my_model.pkl

Conclusioni

Questo progetto ti offre una base per comprendere e sperimentare con le reti neurali. Puoi personalizzare il numero di neuroni, il dataset di addestramento, le epoche e il tasso di apprendimento per adattare la rete neurale ai tuoi dati e obiettivi specifici. Speriamo che questo progetto sia un punto di partenza utile per il tuo apprendimento delle reti neurali!

Se hai domande o suggerimenti, non esitare a contattarci o a inviare una richiesta di pull. Buon divertimento nell'utilizzare questa semplice rete neurale!