معرفی شرکت ها

algo-ops-0.0.1.6.6

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.0.1.6.6
0.0.1.5.1
0.0.1
0.0.1.6.6
0.0.1.5.1
0.0.1

توضیحات

Algo-Ops Algorithm Prototyping Framework
ویژگی مقدار
سیستم عامل -
نام فایل algo-ops-0.0.1.6.6
نام algo-ops
نسخه کتابخانه 0.0.1.6.6
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Prateek Tandon
ایمیل نویسنده prateek1.tandon@gmail.com
آدرس صفحه اصلی https://github.com/prateekt/algo-ops
آدرس اینترنتی https://pypi.org/project/algo-ops/
مجوز -
# Algo-Ops Pipeline Infrastructure for Prototyping and Deploying Algorithms You like algorithms. But prototyping complicated algorithms can be challenging, especially when they have complicated architectures with many components. How do you prototype algorithms so that the data flow is sensible, the results are interpretable, and the algorithm is easily debuggable on incorrect predictions? Algo-Ops has the following features: * An algorithm is a recipe for executing a computation, generally consisting of several steps. In Algo-Ops, each step is an Op. * Ops are automic units of an algorithm. Various types of Ops are supported such as TextOps (for NLP) and CVOps (for computer vision). The user can easily add their own Ops. * Ops are linked together to form an algorithm. They execute sequentially where the first Op's outputs are passed as the second Op's inputs. The feed-forward pipeline is run to execution. ```python pipeline = Pipeline.init_from_funcs( funcs=[self.append_a, self.append_something, self.reverse, self.reverse], op_class=TextOp, ) ``` * Algo-Ops pipelines automatically dashboard in a Jupyter notebook. Simply do pipeline.vis() to visualize the data flow in a Jupyter notebook, making it easy to visualize data flow and debug an algorithmic edge case on some input. ```python pipeline.vis() ``` * Algo-Ops pipelines automatically keep a profile of their own performance over time. Simply do pipeline.vis_profile() to see a profile of your Op executions in terms of runtime and memory usage. ```python pipeline.vis_profile() ``` * Algo-Ops pipeline supports easy debugging. A pipeline can be run on a set of supervised inputs with known outputs. In this case, if the algorithm got the wrong prediction, the entire pipeline dataflow is auto-pickled to allow the user to investigate where the algorithm went wrong. * An Algo-Ops pipeline is itself an Op, so pipelines themselves can be stacked to create very intricate workflows that are still easy to track and debug. The entire framework is highly extensible.


نیازمندی

مقدار نام
- matplotlib
- numpy
==4.5.4.60 opencv-python-headless
- ezplotly
- natsort
- nose
- black
- twine


زبان مورد نیاز

مقدار نام
>=3.9.7 Python


نحوه نصب


نصب پکیج whl algo-ops-0.0.1.6.6:

    pip install algo-ops-0.0.1.6.6.whl


نصب پکیج tar.gz algo-ops-0.0.1.6.6:

    pip install algo-ops-0.0.1.6.6.tar.gz