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

Data driven development based deep learning deepleaps(pytorch)

ویژگی	مقدار
سیستم عامل	-
نام فایل	deep-leaps-0.0.9
نام	deep-leaps
نسخه کتابخانه	0.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Leaps
ایمیل نویسنده	leap1568@gmail.com
آدرس صفحه اصلی	https://github.com/Longseabear/deep-leaps-pytorch.git
آدرس اینترنتی	https://pypi.org/project/deep-leaps/
مجوز	-

deep-leaps is a deep learning training framework written based on DDD (data driven development). It has the following features. - **Training/testing procedure abstracted by graph** the training & testing procedure is based on graphs. then, you can add or remove nodes in the graph at runtime. For example, if you want to visualize the model in the middle of training, you can add a visualization command at runtime. this does not affect training. - **Instruction modification at runtime** If you want to modify the data or force the learning rate to be adjusted, you can modify the instruction using ipc at runtime. - **Code modification at runtime** deep-leaps allows code modification at runtime. you can command the python file recompile command at runtime using ipc. --- ### Install ``` pip install deep-leaps ``` --- ### make workspace Run the following python command in the project root. ```python from deepleaps.app.app import App App.make_workspace('./') ``` result: ``` |--exampleDataset | |--0001.jpg | |--0002.jpg | |--0000.jpg |--resource | |--output | |--README.md | |--configs | |--dataloader | |--exampleDataLoader.yaml | |--model | |--SimpleLayerModel.yaml | |--dataset | |--Example.yaml | |--command | |--default_runnable_command.yaml | |--trainer | |--ExampleContainer.yaml | |--default.yaml |--src | |--dataloader | |--Exampledataset.py | |--TensorTypes.py | |--transforms.py | |--model | |--SimpleConv.py | |--trainer | |--ExampleContainer.py | |--ipc | |--CustomCommand.py |--client.py |--main.p ``` --- ### Command Unlike the existing framework, deep-leaps is executed depending on the command. the basic training process can be applied as follows. please check the example project for more details. ```yaml DEFAULT: [$root( $TRAINER_CONTAINER_LOAD->$TRAINING_LOADER( $MAIN_MODEL_LOAD->$TRAINING_BATCH( $TRAINING_STEP )->MAIN_MODEL_SAVE) )] DEFINE: TRAINER_CONTAINER_LOAD: command: 'TrainerContainerLoaderCommand' args: 'resource/configs/trainer/ExampleContainer.yaml' finish: True MAIN_MODEL_LOAD: command: 'ModuleLoadClass' required: ['MODEL', 'OPTIMIZER'] base_path: '$base' finish: True args: MODEL: _reload: False use_hook: True file_name: $latest.id ``` --- ### Client ```yaml COMMAND_CONTROLLER: ipc_host: '127.0.0.1' ipc_port: 1568 ``` You can specify ipc_host and ipc_port through configuration. Using this address, you can communicate with the training network model. the communication example is as follows. ```python import socket import threading from struct import pack host = '127.0.0.1' port = 1568 client_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM) client_socket.connect((host, port)) try: while True: data = input(':') length = pack('>Q', len(data)) client_socket.sendall(length) client_socket.sendall(data.encode()) ack = client_socket.recv(1) print('send ack ok') except Exception as e: print(e) client_socket.close() ```

نیازمندی

مقدار	نام
==1.16.4	numpy
==1.0.1	scipy
==1.4.0	torch
==4.46.0	tqdm
==2.4.7	pyparsing
==3.1.3	matplotlib
==5.4.1	PyYAML
==5.1.0	Pillow

نحوه نصب

نصب پکیج whl deep-leaps-0.0.9:

pip install deep-leaps-0.0.9.whl

نصب پکیج tar.gz deep-leaps-0.0.9:

pip install deep-leaps-0.0.9.tar.gz