معرفی شرکت ها

cloudml-hypertune-0.1.0.dev6

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
0.1.0.dev6
0.1.0.dev5
0.1.0.dev4
0.1.0.dev2
0.1.0.dev2

توضیحات

A library to report Google CloudML Engine HyperTune metrics.
ویژگی مقدار
سیستم عامل -
نام فایل cloudml-hypertune-0.1.0.dev6
نام cloudml-hypertune
نسخه کتابخانه 0.1.0.dev6
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Google CloudML Engine
ایمیل نویسنده cloudml-feedback@google.com
آدرس صفحه اصلی http://github.com/GoogleCloudPlatform/cloudml-hypertune
آدرس اینترنتی https://pypi.org/project/cloudml-hypertune/
مجوز Apache Software License
Metric Reporting Python Package for CloudML Hypertune ===================================================== Helper Functions for CloudML Engine Hypertune Services. .. _Google CloudML Engine Hyperparameter Tuning Service: https://cloud.google.com/ml-engine/docs/tensorflow/hyperparameter-tuning-overview |pypi| |versions| Prerequisites ------------- - Google CloudML Engine `Overview <https://cloud.google.com/ml-engine/>`__. - Google CloudML Engine `Hyperparameter Tuning Overview <https://cloud.google.com/ml-engine/docs/tensorflow/hyperparameter-tuning-overview>`__. Installation ------------ Install via `pip <https://pypi.python.org/pypi/pip>`__: :: pip install cloudml-hypertune Usage ----- .. code:: python import hypertune hpt = hypertune.HyperTune() hpt.report_hyperparameter_tuning_metric( hyperparameter_metric_tag='my_metric_tag', metric_value=0.987, global_step=1000) By default, the metric entries will be stored to ``/tmp/hypertune/outout.metric`` in json format: :: {"global_step": "1000", "my_metric_tag": "0.987", "timestamp": 1525851440.123456, "trial": "0"} Licensing --------- - Apache 2.0 .. |pypi| image:: https://img.shields.io/pypi/v/cloudml-hypertune.svg :target: https://pypi.org/project/cloudml-hypertune/ .. |versions| image:: https://img.shields.io/pypi/pyversions/cloudml-hypertune.svg :target: https://pypi.org/project/cloudml-hypertune/


نحوه نصب


نصب پکیج whl cloudml-hypertune-0.1.0.dev6:

    pip install cloudml-hypertune-0.1.0.dev6.whl


نصب پکیج tar.gz cloudml-hypertune-0.1.0.dev6:

    pip install cloudml-hypertune-0.1.0.dev6.tar.gz