معرفی شرکت ها
evalify-0.1.3
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 بیشترتوضیحات
Evaluate your face or voice verification models literally in seconds.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | evalify-0.1.3 |
| نام | evalify |
| نسخه کتابخانه | 0.1.3 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Mahmoud Bahaa |
| ایمیل نویسنده | mah.alaa@nu.edu.eg |
| آدرس صفحه اصلی | https://github.com/ma7555/evalify |
| آدرس اینترنتی | https://pypi.org/project/evalify/ |
| مجوز | BSD-3-Clause |
# evalify
<p align="center">
<img src="https://user-images.githubusercontent.com/7144929/154332210-fa1fee34-faae-4567-858a-49fa53e99a2b.svg" width="292" height="120" alt="Logo"/>
</p>
<p align="center">
<a href="https://github.com/ma7555/evalify/blob/main/LICENSE">
<img src="https://img.shields.io/github/license/ma7555/evalify"
alt = "License">
</a>
<a href="https://doi.org/10.5281/zenodo.6181723"><img src="https://zenodo.org/badge/DOI/10.5281/zenodo.6181723.svg" alt="DOI"></a>
<a href="https://www.python.org/downloads/">
<img src="https://img.shields.io/badge/python-3.7 | 3.8 | 3.9 | 3.10-blue.svg"
alt = "Python 3.7 | 3.8 | 3.9 | 3">
</a>
<a href="https://pypi.python.org/pypi/evalify">
<img src="https://img.shields.io/pypi/v/evalify.svg"
alt = "Release Status">
</a>
<a href="https://github.com/ma7555/evalify/actions">
<img src="https://github.com/ma7555/evalify/actions/workflows/dev.yml/badge.svg?branch=main" alt="CI Status">
</a>
<a href="https://ma7555.github.io/evalify/">
<img src="https://img.shields.io/website/https/ma7555.github.io/evalify/index.html.svg?label=docs&down_message=unavailable&up_message=available" alt="Documentation Status">
</a>
<a href="https://github.com/psf/black">
<img src="https://img.shields.io/badge/code%20style-black-000000.svg" alt="Code style: black">
</a>
<a href="https://codecov.io/gh/ma7555/evalify">
<img src="https://codecov.io/gh/ma7555/evalify/branch/main/graph/badge.svg" />
</a>
<a href="https://github.com/ma7555/evalify/releases"><img alt="GitHub all releases" src="https://img.shields.io/github/downloads/ma7555/evalify/total">
</a>
</p>
Evaluate your face or voice verification models literally in seconds.
## Installation
#### Stable release
```bash
pip install evalify
```
#### Bleeding edge
* From source
```bash
pip install git+https://github.com/ma7555/evalify.git
```
* From TestPyPI
```bash
pip install --index-url https://test.pypi.org/simple/ evalify
```
## Usage
```python
import numpy as np
from evalify import Experiment
rng = np.random.default_rng()
nphotos = 500
emb_size = 32
nclasses = 10
X = rng.random((self.nphotos, self.emb_size))
y = rng.integers(self.nclasses, size=self.nphotos)
experiment = Experiment()
experiment.run(X, y)
experiment.get_roc_auc()
print(experiment.df.roc_auc)
print(experiment.find_threshold_at_fpr(0.01))
```
## Documentation:
* <https://ma7555.github.io/evalify/>
## Features
* Blazing fast implementation for metrics calculation through optimized einstein sum and vectorized calculations.
* Many operations are dispatched to canonical BLAS, cuBLAS, or other specialized routines.
* Smart sampling options using direct indexing from pre-calculated arrays with an option to have fine control over sampling strategy and sampling numbers.
* Supports most evaluation metrics:
- `cosine_similarity`
- `pearson_similarity`
- `cosine_distance`
- `euclidean_distance`
- `euclidean_distance_l2`
- `minkowski_distance`
- `manhattan_distance`
- `chebyshev_distance`
* Computation time for 4 metrics 4.2 million samples experiment is **24 seconds vs 51 minutes** if looping using `scipy.spatial.distance` implemntations.
## TODO
* Safer memory allocation. I did not have issues but if you ran out of memory please manually set the `batch_size` argument.
## Contribution
* Contributions are welcomed, and they are greatly appreciated! Every little bit helps, and credit will always be given.
* Please check [CONTRIBUTING.md](https://github.com/ma7555/evalify/blob/main/CONTRIBUTING.md) for guidelines.
## Citation
* If you use this software, please cite it using the metadata from [CITATION.cff](https://github.com/ma7555/evalify/blob/main/CITATION.cff)
نیازمندی
| مقدار | نام |
|---|---|
| ==22.1.0) | black |
| ==4.0.1) | flake8 |
| >=1.6.0,<2.0.0) | flake8-docstrings |
| ==5.10.1) | isort |
| >=2.6.3,<3.0.0) | livereload |
| >=1.2.3,<2.0.0) | mkdocs |
| >=0.3.1,<0.4.0) | mkdocs-autorefs |
| >=3.2.3,<4.0.0) | mkdocs-include-markdown-plugin |
| >=8.1.11,<9.0.0) | mkdocs-material |
| >=1.0.3,<2.0.0 | mkdocs-material-extensions |
| >=0.18.0,<0.19.0) | mkdocstrings |
| >=1.16.0,<2.0.0 | numpy |
| >=1.3.5,<2.0.0 | pandas |
| >=22.0.3,<23.0.0) | pip |
| >=5.0.0,<6.0.0 | psutil |
| >=2.1,<3.0) | pyreadline |
| >=7.0.1,<8.0.0) | pytest |
| >=3.0.0,<4.0.0) | pytest-cov |
| >=1.0.0,<2.0.0 | scikit-learn |
| >=0.10.2,<0.11.0) | toml |
| >=3.24.5,<4.0.0) | tox |
| >=3.8.0,<4.0.0) | twine |
| >=20.13.1,<21.0.0) | virtualenv |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.7.1,<4.0 | Python |
نحوه نصب
نصب پکیج whl evalify-0.1.3:
pip install evalify-0.1.3.whl
نصب پکیج tar.gz evalify-0.1.3:
pip install evalify-0.1.3.tar.gz