معرفی شرکت ها

declair-0.1.5

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
0.1.5
0.1.4
0.1.3
0.1.2
0.1.1
0.1.0
0.1.5
0.1.4
0.1.3
0.1.2
0.1.1
0.1.0

توضیحات

Package for declarative hyperparameter search experiments.
ویژگی مقدار
سیستم عامل -
نام فایل declair-0.1.5
نام declair
نسخه کتابخانه 0.1.5
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Krzysztof Cybulski
ایمیل نویسنده declair@kcyb.eu
آدرس صفحه اصلی https://gitlab.com/k-cybulski/declair
آدرس اینترنتی https://pypi.org/project/declair/
مجوز EUPL-1.2-or-later
# Declair :cake: [![pipeline status](https://gitlab.com/k-cybulski/declair/badges/master/pipeline.svg)](https://gitlab.com/k-cybulski/declair/-/commits/master) [![coverage report](https://gitlab.com/k-cybulski/declair/badges/master/coverage.svg)](https://gitlab.com/k-cybulski/declair/-/commits/master) Declair is a framework for declaratively defining hyperparameter optimization experiments. It uses [Sacred](https://github.com/IDSIA/sacred) for storing experiment results and supports [Hyperopt](https://github.com/hyperopt/hyperopt) for optimization. At its core, Declair provides a YAML/JSON based language for defining parameter spaces for hyperparameter search as well as single experiment runs. These parameter spaces can be easily nested and may include Python objects and outputs of function calls. Declair is focused on reproducibility and ease of use between machines. By the use of [Sacred observers](https://sacred.readthedocs.io/en/stable/observers.html), it ensures that results of experiments are safely stored, together with the source code of all classes and objects used in them, as well as the Declair experiment configuration itself. To make reproduction of experiments easy between machines, it supports environment configuration files which can be used to store variables, like local dataset paths or secret tokens. It contains various features to make defining experiments ergonomic. These include variable handling as well as configuration inheritance. # Usage For detailed instructions on how to use Declair, see the [documentation](https://k-cybulski.gitlab.io/declair/). ## Installation You can install Declair via pip. ``` pip install declair ``` ## Running the tests Go into the root of the repository (i.e. where this `README.md` is), install `pip install pytest` and run ``` python -m pytest ``` # Credits Declair came about from attempts to recreate [DeepSolaris](https://gitlab.com/CBDS/DeepSolaris) results in PyTorch instead of Keras, with a focus on search experiment definition ergonomics and reproducibility. However, it grew to be a more extensive and general framework than originally planned. Its design based on configuration files was heavily inspired by [cbds_common](https://gitlab.com/CBDS/cbds_common). It is developed with ❤️ at [CBDS](https://www.cbs.nl/en-gb/our-services/unique-collaboration-for-big-data-research).


نیازمندی

مقدار نام
>=0.8.2 sacred
>=0.2.4 hyperopt
- pymongo
- pyyaml
- tblib
- GitPython
- wrapt


زبان مورد نیاز

مقدار نام
>=3.5 Python


نحوه نصب


نصب پکیج whl declair-0.1.5:

    pip install declair-0.1.5.whl


نصب پکیج tar.gz declair-0.1.5:

    pip install declair-0.1.5.tar.gz