def test_activation(self):
logger.info("Testeando la integración de funciones de activación...")
activation = 'Tanh'
fun = fun_activation[activation]
res = self.matrix_neurons.activation(fun)
fun_d = fun_activation_d[activation]
res_d = self.matrix_neurons.activation(fun_d)
assert np.array_equiv(res.matrix, fun(np.ones(self.matrix_neurons.shape)))
assert np.array_equiv(res_d.matrix, fun_d(np.ones(self.matrix_neurons.shape)))
# Test de softmax como funcion de activacion
N = self.matrix_neurons.rows
shape = (N,)
x = LocalNeurons(sc.parallelize(range(N)), shape) # Aprovecho para testear con RDD
res = x.softmax()
res = map(lambda e: e[0], res.matrix)
exp_x = np.exp(range(N))
y = exp_x / float(sum(exp_x))
assert np.allclose(res, y)
logger.info("OK")
def test_activation(self):
logger.info("Testeando la integración de funciones de activación...")
activation = 'Tanh'
fun = fun_activation[activation]
res = self.matrix_neurons.activation(fun)
fun_d = fun_activation_d[activation]
res_d = self.matrix_neurons.activation(fun_d)
assert np.array_equiv(res.matrix,
fun(np.ones(self.matrix_neurons.shape)))
assert np.array_equiv(res_d.matrix,
fun_d(np.ones(self.matrix_neurons.shape)))
# Test de softmax como funcion de activacion
N = self.matrix_neurons.rows
shape = (N, )
x = LocalNeurons(sc.parallelize(range(N)),
shape) # Aprovecho para testear con RDD
res = x.softmax()
res = map(lambda e: e[0], res.matrix)
exp_x = np.exp(range(N))
y = exp_x / float(sum(exp_x))
assert np.allclose(res, y)
logger.info("OK")