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 CLI and SDK for interacting with the Efemarai ML testing platform.

ویژگی	مقدار
سیستم عامل	-
نام فایل	efemarai-0.3.4
نام	efemarai
نسخه کتابخانه	0.3.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Efemarai
ایمیل نویسنده	support@efemarai.com
آدرس صفحه اصلی	https://www.efemarai.com/
آدرس اینترنتی	https://pypi.org/project/efemarai/
مجوز	MIT license

A CLI and SDK for interacting with the [Efemarai ML testing platform](https://efemarai.com). ## Setup Install with ``` pip install -U efemarai ``` then run ``` $ efemarai init ``` and following the instructions to connect your account. ## Example Usage ### Working with projects ``` import efemarai as ef session = ef.Session() # List all projects for project in session.projects: print(project.name) # Create a new project project = session.create_project( name="Aircraft Detection", description="Exmample object detection project", problem_type="ObjectDetection", ) # Load an existing one project = session.project("Aircraft Detection") # Create new dataset dataset = project.create_dataset( name="Example COCO Dataset", stage=ef.DatasetStage.Test, format=ef.DatasetFormat.COCO, data_url=root, annotations_url=annotations_url, ) # Define the path to the model yaml local_model_config = ef.Session._load_config_file("model.yaml") ## Create model model = project.create_model(**model_config) # List project models for model in project.models: print(model.name) # List project datasets for dataset in project.datasets: print(dataset.name) ``` ### Working with stress tests The best way to create a domain is to use the UI and manually inspect the various transformations and how they affect the images. ``` # Create a new stress test test = project.create_stress_test( name="Test via SDK", model=project.model("COCO instances RCNN-R50"), domain=project.domain("Example Domain"), dataset="Example COCO Dataset", # Just a name also works ) # Load an existing stress test test = project.stress_test("Test via SDK") # Download dataset with discovered vulnerabilities dataset_filepath = test.vulnerabilities_dataset() # Check test run state print(f"Running: {test.running} Failed: {test.failed} Finished: {test.finished}") ``` Models, domains and datasets can be easily created programatically, but they require quite a few configuration paramaters to be provided. That's why the most convenient way to create a project with multiple models, domains and datasets is to put everything into a config file (see e.g. `examples/aircraft_project.yaml`) and then just load it with: ``` result = ef.Session().load("examples/aircraft_project.yaml") # access the created entities project = result["project"] models = result["models"] domains = result["domains"] datasets = result["datasets"] ```

نیازمندی

مقدار	نام
>=21.10.1	pyaml
>=2.25.1	requests
>=5.2.1	smart-open
>=1.20.39	boto3
>=1.4.4	appdirs
>=11.0.0	rich
>=0.18.2	validators
>=1.25.4	urllib3
>=8.0.4	click
>=0.5.2	click-completion
>=1.0.1	click-aliases
>=3.1.20	GitPython
>=2.1.3	furl
>=1.18.4	numpy
>=8.4	Pillow
>=0.9.0	pathspec
>=6.1.2	python-slugify
>=0.5.10	bson
>=0.2.0	ffmpeg-python
>=3.4.15.55	opencv-python-headless

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl efemarai-0.3.4:

pip install efemarai-0.3.4.whl

نصب پکیج tar.gz efemarai-0.3.4:

pip install efemarai-0.3.4.tar.gz