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

A python package that sends your deep learning training and validation metrics to your slack channel or user after every specified epoch.

ویژگی	مقدار
سیستم عامل	-
نام فایل	coffeeshop-1.2.0
نام	coffeeshop
نسخه کتابخانه	1.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Arunkumar L - A roboVITics project
ایمیل نویسنده	arunk609@gmail.com
آدرس صفحه اصلی	https://github.com/CleanPegasus/coffeeshop
آدرس اینترنتی	https://pypi.org/project/coffeeshop/
مجوز	MIT

[![made-with-python](https://img.shields.io/badge/Made%20with-Python-1f425f.svg)](https://www.python.org/) [![GitHub license](https://img.shields.io/github/license/Naereen/StrapDown.js.svg)](https://github.com/Naereen/StrapDown.js/blob/master/LICENSE) # Coffeeshop This package sends your deep learning model's training and validation metrics to your slack channel after every specified epoch. It uses slackclient and keras python packages. Made for keras framework. ### Installation >$ **pip install coffeeshop** ### Code sample ```python from coffeeshop.coffeeshop import Coffeeshop secret = 'xoxp-slacktoken' # For sending metrics to channel. channel_name = 'name_of_channel_to_be_posted' histories = Coffeeshop(token = secret, channel_name = channel_name, epoch_num = 5) # For sending metrics to user. user = 'User Name' histories = Coffeeshop(token = secret, user_name = user, epoch_num = 5) ## Add histories in the callbacks. model.fit(X_train, Y_train, epochs = epochs, batch_size = batch_size,callbacks = [histories]) ``` ### Output sample <img src="readme_resources/sample_output.jpeg"> </img> #### Contact [E-mail](arunk609@gmail.com) [Github](https://github.com/CleanPegasus) [LinkedIn](https://www.linkedin.com/in/arunkumar-l/)

نیازمندی

مقدار	نام
>=2.2.0	keras
-	slackclient

نحوه نصب

نصب پکیج whl coffeeshop-1.2.0:

pip install coffeeshop-1.2.0.whl

نصب پکیج tar.gz coffeeshop-1.2.0:

pip install coffeeshop-1.2.0.tar.gz