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

The official python cient of EasyTensor

ویژگی	مقدار
سیستم عامل	-
نام فایل	easytensor-0.0.9
نام	easytensor
نسخه کتابخانه	0.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Kamal Kamalaldin
ایمیل نویسنده	kamal@easytensor.com
آدرس صفحه اصلی	https://github.com/EasyTensor/python-client
آدرس اینترنتی	https://pypi.org/project/easytensor/
مجوز	-

# EasyTensor The official python client for [EasyTensor](https://easytensor.com). # Installation Pretty straightforward. ```shell pip install easytensor ``` # Usage Once you have a model exported to your local storage, you can upload it to easytensor in one line of code. ## TensorFlow ### Exporting and uploading a model ```python import easytensor import os export_path = os.path.join(os.getcwd(), "my_model") print("export_path: {}".format(export_path)) # Export the model tf.keras.models.save_model( model, export_path, overwrite=True, include_optimizer=True, save_format=None, signatures=None, options=None ) # Upload it to easytensor. model_id, access_token = easytensor.tensorflow.upload_model("My first model", export_path) print("model ID:", model_id) print("access token:", access_token) ``` ### Running prediction on the cloud ```python from pprint import pprint import requests response = requests.post( "https://app.easytensor.com/query/", json={ "instances": [ image_to_predict.numpy().tolist() ] }, headers={"accessToken": access_token} ) print("Response from server:") pprint(response.json()) ``` # Examples The library comes with a few example Jupyter notebooks that walk you through a few possible workflows. They are helpful if you are starting out with ML or remote model prediction. #### Requirements - Tensorflow 2. TF2 currently (early 2021) [requires a python version 3.5-3.8](https://www.tensorflow.org/install). You will have to install a compatible version of python. - virtualenv - jupyter notebook ##### For Mac ``` brew install python@3.8 ``` ##### For Ubuntu ``` sudo apt install python3.8 python3.8-dev ``` To run the examples, create a python virtual env, and install jupyter notebook. ```bash # install virtualenv pip3 install virtualenv # create a virtualenv with python3.8 in ~/virtualenv-3.8 virtualenv --python=$(which python3.8) ~/virtualenv-3.8 # activate the virtual env source ~/virtualenv-3.8/bin/activate # install jupyter notebook and necessary widgets pip install notebook ipywidgets # run jupyter notebook jupyter notebook ``` # Questions and Help If you have any querstions about how EasyTensor works or want help with serving your ML model, please contact me directly at [kamal@easytensor.com](mailto:kamal@easytensor.com). I'm here to help!

نیازمندی

مقدار	نام
-	requests
-	tensorflow
-	torch
-	transformers
-	tqdm
-	pyflakes

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl easytensor-0.0.9:

pip install easytensor-0.0.9.whl

نصب پکیج tar.gz easytensor-0.0.9:

pip install easytensor-0.0.9.tar.gz