معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

AI_HUB utils package

ویژگی	مقدار
سیستم عامل	-
نام فایل	ai-hub-0.5.3
نام	ai-hub
نسخه کتابخانه	0.5.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	gaoxiaos
ایمیل نویسنده	ai_hub@qq.com
آدرس صفحه اصلی	https://github.com/gaoxiaos/AI_HUB
آدرس اینترنتی	https://pypi.org/project/ai-hub/
مجوز	MIT

# AI_HUB AI utils for developer. such as notice、send massage when model training is over.Bind WeChat Official Account（AI_HUB）插入在代码里的小工具，可以在模型训练结束时通过公众号及时发送微信消息给自己，提高科研效率。 inferServer: server your ai model as a API and match the tianchi eval 简单的操作把你训练好的模型变为服务API，并且支持天池大赛的流评测。 ## INSTALL ``` pip install ai-hub ``` ## SAMPLE ### NOTICE ```Python from ai_hub import notice #到AGIHub微信公众号获取个人openid如（oM8pVuBWl8Rw_vFz7rZNgeO4T8H8）,需替换为自己的openid nc = notice("oM8pVuBWl8Rw_vFz7rZNgeO4T8H8") #借助AGIHub公众号发送消息给自己 nc.sendmsg("hi,AI_HUB.I am su") ``` ### inferServer ```Python ''' 依赖：pip install ai-hub #(version>=0.1.7) 测试用例： model为y=2*x 请求数据为json:{"img":3} ----------- post请求： curl localhost:8080/tccapi -X POST -d '{"img":3}' 返回结果 6 ''' from ai_hub import inferServer import json class myInfer(inferServer): def __init__(self, model): super().__init__(model) print("init_myInfer") #数据前处理 def pre_process(self, data): print("my_pre_process") #json process json_data = json.loads(data.decode('utf-8')) img = json_data.get("img") print("processed data: ", img) return img #数据后处理 def post_process(self, data): print("post_process") processed_data = data return processed_data #模型预测：默认执行self.model(preprocess_data)，一般不用重写 #如需自定义，可覆盖重写 #def pridect(self, data)： # ret = self.model(data) # return ret if __name__ == "__main__": mymodel = lambda x: x * 2 my_infer = myInfer(mymodel) my_infer.run(debuge=True) #默认为("127.0.0.1", 80)，可自定义端口，如用于天池大赛请默认即可，指定debuge=True可获得更多报错信息 ``` ### TccProgressBar ```Python from ai_hub import TccProgressBar #定义progress，显示名为training，在竞赛平台TCC上显示该进度条（tccBar_show=false 不影响本地打印进度条） progress = TccProgressBar(title="training", tccBar_show=True) for j in progress(range(100)): time.sleep(0.1) ``` ### TccTensorboard ```Python from ai_hub import Logger #Logger用法与tensorboard的logger包一致 info= { 'loss': loss.data[0], 'accuracy': accuracy.data[0] } for tag, value in info.items(): logger.scalar_summary(tag, value, step) ``` ## 获取OPENID 1.扫描关注公众号AGIHub ![avatar](docs/qrcode.jpg) 2.发送“openid”给公众号即可获得openid

نیازمندی

مقدار	نام
>=1.0.0flask>=1.1.1	requests

نحوه نصب

نصب پکیج whl ai-hub-0.5.3:

pip install ai-hub-0.5.3.whl

نصب پکیج tar.gz ai-hub-0.5.3:

pip install ai-hub-0.5.3.tar.gz