Humanizing Technology. Simplifying Complexity.
Individualsoftware und KI Integration von cleanercode. Für Unternehmen, die mit und für Menschen wachsen.
Wenn sich deine Prozesse wie ein Stein anfühlen
What limits your data today doesn't have to limit you tomorrow
Wir helfen Unternehmen mit skalierbaren Systemen, die sich natürlich in eure Systeme integrieren.
cleancercode-os/src/sreens/HomeScreen.tsx
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
import torch
import torch.nn as nn
class CleanerMiniKI(nn.Module):
def __init__(self):
super(CleanerMiniKi, self).__init__()
# Ein Layer mit 2 Eingängen und 5 versteckten Neuronen
self.layer1 = nn.Linear(2, 5)
self.activation = nn.ReLU()
# Output Layer (1 Ausgangswert)
self.layer2 = nn.Linear(5, 1) self.sigmoid = nn.Sigmoid()
def forward(self, x):
x = self.layer1(x)
x = self.activation(x)
x = self.layer2(x) return self.sigmoid(x)
# Modell initialisieren
modell = CleanerMiniKI()
input_daten = torch.tensor([[0.5, 0.2]], dtype=torch.float32)
import torch.nn as nn
class CleanerMiniKI(nn.Module):
def __init__(self):
super(CleanerMiniKi, self).__init__()
# Ein Layer mit 2 Eingängen und 5 versteckten Neuronen
self.layer1 = nn.Linear(2, 5)
self.activation = nn.ReLU()
# Output Layer (1 Ausgangswert)
self.layer2 = nn.Linear(5, 1) self.sigmoid = nn.Sigmoid()
def forward(self, x):
x = self.layer1(x)
x = self.activation(x)
x = self.layer2(x) return self.sigmoid(x)
# Modell initialisieren
modell = CleanerMiniKI()
input_daten = torch.tensor([[0.5, 0.2]], dtype=torch.float32)
What's inside?
