معرفی شرکت ها

chop-pytorch-0.0.3.1

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
0.0.3.1
0.0.2
0.0.3.1
0.0.2

توضیحات

Continuous and constrained optimization with PyTorch
ویژگی مقدار
سیستم عامل -
نام فایل chop-pytorch-0.0.3.1
نام chop-pytorch
نسخه کتابخانه 0.0.3.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Geoffrey Negiar
ایمیل نویسنده geoffrey_negiar@berkeley.edu
آدرس صفحه اصلی http://pypi.python.org/pypi/chop-pytorch
آدرس اینترنتی https://pypi.org/project/chop-pytorch/
مجوز -
# pytorCH OPtimize: a library for continuous and constrained optimization built on PyTorch ...with applications to adversarially attacking and training neural networks. [![Build Status](https://travis-ci.org/openopt/chop.svg?branch=master)](https://travis-ci.org/openopt/chop) [![Coverage Status](https://coveralls.io/repos/github/openopt/chop/badge.svg?branch=master)](https://coveralls.io/github/openopt/chop?branch=master) [![DOI](https://zenodo.org/badge/310693245.svg)](https://zenodo.org/badge/latestdoi/310693245) :warning: This library is in early development, API might change without notice. The examples will be kept up to date. :warning: ## Stochastic Algorithms We define stochastic optimizers in the `chop.stochastic` module. These follow PyTorch Optimizer conventions, similar to the `torch.optim` module. ## Full Gradient Algorithms We also define full-gradient algorithms which operate on a batch of optimization problems in the `chop.optim` module. These are used for adversarial attacks, using the `chop.Adversary` wrapper. ## Installing Run the following: ``` git clone https://github.com/openopt/chop.git cd chop pip install . ``` Welcome to `chop`! ## Examples: See `examples` directory and our [webpage](http://openo.pt/chop/auto_examples/index.html). ## Tests Run the tests with `pytests tests`. ## Citing If this software is useful to your research, please consider citing it as ``` @article{chop, author = {Geoffrey Negiar, Fabian Pedregosa}, title = {CHOP: continuous optimization built on Pytorch}, year = 2020, url = {http://github.com/openopt/chop} } ``` ## Affiliations Geoffrey Négiar is in the Mahoney lab and the El Ghaoui lab at UC Berkeley. Fabian Pedregosa is at Google Research.


نیازمندی

مقدار نام
- numpy
- scipy
- torch
- torchvision
- easydict
- matplotlib
- tqdm


نحوه نصب


نصب پکیج whl chop-pytorch-0.0.3.1:

    pip install chop-pytorch-0.0.3.1.whl


نصب پکیج tar.gz chop-pytorch-0.0.3.1:

    pip install chop-pytorch-0.0.3.1.tar.gz