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 lightweight tool to perform reproducible machine learning experiment using Dask.

ویژگی	مقدار
سیستم عامل	-
نام فایل	daskperiment-0.5.0
نام	daskperiment
نسخه کتابخانه	0.5.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	sinhrks
ایمیل نویسنده	sinhrks@gmail.com
آدرس صفحه اصلی	http://daskperiment.readthedocs.org/en/stable
آدرس اینترنتی	https://pypi.org/project/daskperiment/
مجوز	BSD

daskperiment ============ .. image:: https://img.shields.io/pypi/v/daskperiment.svg :target: https://pypi.python.org/pypi/daskperiment/ .. image:: https://readthedocs.org/projects/daskperiment/badge/?version=latest :target: http://daskperiment.readthedocs.org/en/latest/ :alt: Latest Docs .. image:: https://travis-ci.org/sinhrks/daskperiment.svg?branch=master :target: https://travis-ci.org/sinhrks/daskperiment .. image:: https://codecov.io/gh/sinhrks/daskperiment/branch/master/graph/badge.svg :target: https://codecov.io/gh/sinhrks/daskperiment Overview ~~~~~~~~ `daskperiment` is a tool to perform reproducible machine learning experiment. It allows users to define and manage the history of trials (given parameters, results and execution environment). The package is built on `Dask`, a package for parallel computing with task scheduling. Each experiment trial is internally expressed as `Dask` computation graph, and can be executed in parallel. Benefits ~~~~~~~~ - Compatibility with standard Python/Jupyter environment (and optionally with standard KVS). - No need to set up server applications - No need to registrate on any cloud services - Run on standard / customized Python shells - Intuitive user interface - Few modifications on existing codes are needed - Trial histories are logged automatically (no need to write additional codes for logging) - `Dask` compatible API - Easily accessible experiments history (with `pandas` basic operations) - Less managiment works on Git (no need to make branch per trials) - (Experimental) Web dashboard to manage trial history - Traceability of experiment related information - Trial result and its (hyper) parameters. - Code contexts - Environment information - Device information - OS information - Python version - Installed Python packages and its version - Git information - Reproducibility - Check function purity (each step should return the same output for the same inputs) - Automatic random seeding - Auto saving and loading of previous experiment history - Parallel execution of experiment steps - Experiment sharing - Redis backend - MongoDB backend Future Scope ~~~~~~~~~~~~ - More efficient execution. - Omit execution if depending parameters are the same - Distributed execution

نیازمندی

مقدار	نام
>=0.19.0	pandas
>=1.0.0	dask
>=7.0.0	click
>=0.7.0	cloudpickle
>=2.3.0	pyparsing
>=4.0.0	py-cpuinfo
>=2.0.0	gitpython
>=40.0.0	setuptools
>=1.0.0	flask

نحوه نصب

نصب پکیج whl daskperiment-0.5.0:

pip install daskperiment-0.5.0.whl

نصب پکیج tar.gz daskperiment-0.5.0:

pip install daskperiment-0.5.0.tar.gz