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

Package d'utilitaires pour les projets de data science.

ویژگی	مقدار
سیستم عامل	-
نام فایل	dstk-x250-3.8.9
نام	dstk-x250
نسخه کتابخانه	3.8.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Cyrile Delestre
ایمیل نویسنده	cyrile.ufr.orsay@gmail.com
آدرس صفحه اصلی	https://gitlab.com/Kirire/x250
آدرس اینترنتی	https://pypi.org/project/dstk-x250/
مجوز	Apache Software License 2.0

# DSTK  ![](docs/source/_static/dstk.png) - Free software: Apache Software License 2.0 # Overview **DSTK** est une libraire haut-niveau pour faciliter le développement et le déploiment d'outil de machine learning. Il s'articule essentiellement autour de 2 outils : * PyTorch ; * Scikit-Learn. L'ancien nom x250 faisait référence au code boite X250 qui est le code boite de datalabs/IA Factory. Le développement de ce package est étroitement lié au développement du template data science (qui aujourd'hui a fusionné avec le socle Python). **DTSK** est compatible avec `Python >= 3.5`, mais `Python >= 3.8` est fortement recommandé. # Documentation [Une documentation Sphinx hébergée par Read the Docs est disponible.](https://x250.readthedocs.io/en/latest/index.html "Document DSTK") # Installation Pour installer DSTK utiliser la commande : `pip install dstk-x250`. ## Release Notes ### 3.0 * Changement de nom, **la librairie x250 devient DSTK** afin d'être rendu publique sur PyPi dans un premiet temps et sur conda dans un second. ### 2.0 * Résolutions de bugs diverses. * Concept de Callback pour x250.pytorch permettant de rendre la partie entraînement plus modulaire et lisible. * Intégration du concept de SWA (Stochastic Weight Averaging) pour rendre les modèles plus robuste à l'inférence. ### 1.0 * Séparation du template data science et des _utils.py afin d'être intégré au socle Python d'Arkéa. * Création du package x250 restructurant les _utils.py. * Intégration de l'utilitaire PyTorch permettant de wrapper un réseau profond à Scikit-Learn simplement. ### 0.1 * Intégration de fonctions et classes utilitaires au template dans des fichiers _utils.py à différent niveau de la structure du template. ### 0.0 * Création du squelette template data science.

نیازمندی

مقدار	نام
-	joblib
-	numpy
>=1.1.1	scikit-learn
-	pandas
!=2019.5	intel-openmp
-	tqdm

زبان مورد نیاز

مقدار	نام
>=3.5	Python

نحوه نصب

نصب پکیج whl dstk-x250-3.8.9:

pip install dstk-x250-3.8.9.whl

نصب پکیج tar.gz dstk-x250-3.8.9:

pip install dstk-x250-3.8.9.tar.gz