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 high level library for Pytorch

ویژگی	مقدار
سیستم عامل	-
نام فایل	ezeeml-0.1.0
نام	ezeeml
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	GODARD Tuatini
ایمیل نویسنده	tuatinigodard@gmail.com
آدرس صفحه اصلی	https://github.com/EKami/EzeeML
آدرس اینترنتی	https://pypi.org/project/ezeeml/
مجوز	MIT

## EzeeML [![PyPI version](https://badge.fury.io/py/ezeeml.svg)](https://badge.fury.io/py/ezeeml) EzeeML is a high level library on top of popular machine learning frameworks such as pandas, Pytorch and Tensorflow. It gives a high layer abstraction of repetitive code used in machine learning for day-to-day data science tasks. ## Installation ``` pip install ezeeml ``` or if you want to run this lib directly to have access to the examples clone this repository and run: ``` pip install -r requirements.txt ``` to install the required dependencies. Then install pytorch and torchvision from [here](http://pytorch.org/) if you want to use the `ezeeml.torch` package and/or head over to the [Tensorflow install page](https://www.tensorflow.org/install/) if you want to use the `ezeeml.tf` package. ## Documentation For now the library has no complete documentation but you can quickly get to know how it works by looking at the examples in the `examples-*` folders. This library is still in alpha and few APIs may change in the future. The only things which will evolve at the same pace as the library are the examples, they are meant to always be up to date with the library. Few examples will generates folders/files such as saved models or tensorboard logs. To visualize the tensorboard logs download Tensorflow's tensorboard as well as [Pytorch's tensorboard](https://github.com/lanpa/tensorboard-pytorch) if you're interested by the `ezeeml.torch` package. Then execute: ``` tensorboard --logdir=./tensorboard ``` ## Packaging the project for Pypi deploy ``` pip install twine pip install wheel python setup.py sdist python setup.py bdist_wheel ``` [Create a pypi account](https://packaging.python.org/tutorials/distributing-packages/#id76) and create `$HOME/.pypirc` with: ``` [pypi] username = <username> password = <password> ``` Then upload the packages with: ``` twine upload dist/* ``` Or just: ``` pypi_deploy.sh ```

نیازمندی

مقدار	نام
-	isoweek
-	tqdm
-	bcolz
-	kaggle-data
-	opencv-python
-	scikit-image
-	setuptools
-	numpy
-	matplotlib
-	scipy
-	Pillow
-	dask
-	scikit-learn
-	tensorboardX
-	typing
-	PyYAML
-	Augmentor
-	ezeeml

نحوه نصب

نصب پکیج whl ezeeml-0.1.0:

pip install ezeeml-0.1.0.whl

نصب پکیج tar.gz ezeeml-0.1.0:

pip install ezeeml-0.1.0.tar.gz