simple-tensorflow/readme.md

Simplificación de la libreria tensorflow.js para que sea mas facil de usar.

Un npm que simplifica bastante la libreria tensorflow.js.
  ![Creador](https://raster.shields.io/static/v1?label=Creador&message=Seyron#5532&color=RED?style=flat&logo=appveyor)

## Instalación
Antes de instalarlo, debe tener instalado [Node.js](https://nodejs.org/en/download/) y [Python 2.7](https://www.python.org/download/releases/2.7/)
La instalación se realiza mediante el [comando de instalación npm](https://docs.npmjs.com/getting-started/installing-npm-packages-locally):


```bash
$ npm install simple-tensorflow --save
```


## Características
* Reducción de dificultad para crear una red neuronal
* Separación de las capas
* User-Friendly
* Entrenamiento Rapido

## Conceptos Basicos
* Las capas son la estructura del cerebro de la red neuronal,la primera capa de los modelos siempre debe llevar la dimensión del input
* Las perdidas son diferentes funciones para evaluar que tan bien/mal lo esta haciendo la red neuronal,la mejor depende para que se este utilizando.
* Los optimizadores son la manera en la que la red neuronal se adapta a los datos.
## Opciones Modelo

### Perdida
* meanSquaredError
* meanAbsoluteError
* meanAbsolutePercentageError
* meanSquaredLogarithmicError
* squaredHinge
* hinge
* categoricalHinge
* logcosh
* categoricalCrossentropy
* sparseCategoricalCrossentropy
* binaryCrossentropy
* kullbackLeiblerDivergence
* poisson
* cosineProximity

### Optimizadores
* sgd
* momentum
* adagrad
* adadelta
* adam
* adamax
* rmsprop

### Opciones
* iteraciones: Numero de veces que la red aprendera los datos.
* aleatorio: Esto indicara si se cambiara el orden de los datos.
* logs: Numero del 0 al 2 que indicara cuanta información se dara en cada entrenamiento por medio de la consola.

## Capas
* Dense
* BatchNormalization
* Reshape
* Conv2D
### Configuración de las capas
Cada capa puede tener una configuración diferente pero esta es la configuración que suelen tener todas
* neuronas
* activacion
* entrada

## Activaciones
Las capas necesitan una función de activación para funcionar correctamente
* elu
* hardSigmoid
* linear
* relu
* relu6
* selu
* sigmoid
* softmax
* softplus
* softsign
* tanh
* swish
* mish

## Ejemplos

### Ejemplo 1: XOR Basico
```js
const neural = require('simple-tensorflow')

let capa1 = new neural.Dense({neuronas:2,entrada:2})
let capa2 = new neural.Dense({neuronas:1})

const modelo = new neural.Modelo([capa1,capa2],'meanSquaredError','sgd')

let datosx = [[1,1],[1,0],[0,1],[0,0]]
let datosy = [0,1,1,0]

modelo.entrenar(datosx,datosy,{
  iteraciones:5,
  aleatorio:true
}).then(() => {
  let entrada = [[1,1]]
  let resultado = modelo.predecir(entrada)
  console.log(resultado) //Si usaste [1,1] o [0,0] al ser un XOR debe darte un numero cercano a 0 pero si usaste [1,0] o [0,1] debe darte un numero cercano a 1
})
```


***Creado por: Discord Safe***