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

ویژگی	مقدار
سیستم عامل	-
نام فایل	energy-callback-0.1.9
نام	energy-callback
نسخه کتابخانه	0.1.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/energy-callback/
مجوز	-

# 2022-B : Energy and Performance tracking with Tensorflow ## Using Tensorflow and Tensorboard TODO add usage for tensorflow and tensorboard to ensure users have their code setup in the correct format ## Energy Callback Python Package Install the python package for generating the callback function `$pip install energy-callback` ### Usage Import the package, please first ensure the packages tensorflow and energy-monitor are installed as these are requirments for the package. ` import energy_callback` Create a callback object `callback = energy_callback.Callback() ` Args: - country (str): Country for estimating gCO2e per kWh Default: 'United Kingdom' - csv_path (str): Filepath to csv file to log results. Default: './tb_experiment_1.csv' For example to change the country to France and the csv path to 'my_csv.csv': `callback = energy_callback.Callback('France', 'my_csv.csv') ` Input the callback object into the model.fit function ``` history = model.fit(x=x_train, y=y_train, epochs=5, validation_data=(x_test, y_test), callbacks=[tensorboard_callback, callback]) ``` Use callback.get_csv() to generate csv containing performance and energy values for each epoch of training. Make sure to pass in the history value from model.fit to include the tensorboard model performance metrics in the csv. Default csv filepath is 'tb_experiment_1.csv' `callback.get_csv(history)` ### Energy Calculations The package will check if it can access the intel-rapl directory and use the values here for calculating joules otherwise it will use the [python-energy-monitor](https://github.com/mattclifford1/python-energy-monitor) package To estimate the co2e value the tracker uses the carbon intensity for the given country and uses the corresponding gco2/kWh value from here https://ourworldindata.org/grapher/carbon-intensity-electricity The default value is United Kingdom. ### Using RAPL energy readings Due to a security issue all Linux distributions are changing the permisions of the RAPL files used by the raplMonitor in this package. There is a workaround for this: - `sudo apt install sysfsutils` - Add this line in `etc/sysfs.conf` : `mode class/powercap/intel-rapl:0/ = 0444` - `reboot` Or to temporarily change the permission (will reset on reboot) `sudo chmod -R a+r /sys/class/powercap/intel-rapl`

نحوه نصب

نصب پکیج whl energy-callback-0.1.9:

pip install energy-callback-0.1.9.whl

نصب پکیج tar.gz energy-callback-0.1.9:

pip install energy-callback-0.1.9.tar.gz