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

An experimental framework to run pytorch experiments

ویژگی	مقدار
سیستم عامل	-
نام فایل	firelab-0.0.9
نام	firelab
نسخه کتابخانه	0.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ivan Skorokhodov
ایمیل نویسنده	iskorokhodov@gmail.com
آدرس صفحه اصلی	https://github.com/universome/firelab
آدرس اینترنتی	https://pypi.org/project/firelab/
مجوز	BSD

## firelab (version 0.0.26) ### About Framework for running DL experiments with pytorch. Provides the following useful stuff: - parallel hyperparameters optimization - allows to `start`/`continue` your experiment with easy commands from yml config file - easier to save checkpoints, write logs and visualize training - useful utils for HP tuning and working with pytorch (look them up in `utils.py`) ### Installation ``` pip install firelab ``` ### Future plans [ ] Run in daemon. [ ] Implement `firelab ls` command [ ] Easier profiling (via contexts?) [ ] There are some interseting features in https://github.com/vpj/lab. [ ] Add commit hash to summary [ ] Create new branch/commit for each experiment? [ ] More meaningful error messages. [ ] Does model release GPU after training is finished (when we do not use HPO)? [ ] Proper handling of errors in HPO: should we fail on the first exception? Should we try/catch result.get() in process pool? [x] Make trainers run without config.firelab, this will make it possible to run trainer from python [ ] Does continue_from_iter work? ### Useful commands: - `firelab ls` — lists all running experiments - `firelab start` / `firelab stop` / `firelab pause` / `firelab continue` — starts/stops/pauses/continues experiments ### Useful classes - `BaseTrainer` — controls the experiment: loads data, runs/stops training, performs logging, etc Cool staff firelab can do: - Reduces amount of boilerplate code you write for training/running experiments - Keep all experiment arguments and hyperparameters in a expressive config files - Visualize your metrics with `tensorboard` through [tensorboardX](https://github.com/lanpa/tensorboard-pytorch) - Save checkpoints and logs with ease. - Fixes random seeds for you by default (in numpy, pytorch and random). Attention: if you use other libs with other random generators, you should fix random seeds by yourself (we recommend taking it from hyperparams) ### Usage: #### Configs Besides your own configs, firelab adds its inner staff, which you can use or change as hyperparameter: - `name` of the experiment - `random_seed` Experiment name determines where config is. Experiment name can't duplicate each other. ### TODO - Interactive config builder - Clone experiment/config - Add examples with several trainers in them - Why do we pass both exp_dir and exp_name everywhere in manager.py? We should care only about exp_path I suppose? - Looks like we do not need the dublicating logic of directories creation in manager.py anymore since it is in BaseTrainer - Rename BaseTrainer into Trainer?

نیازمندی

مقدار	نام
>=3.12	PyYAML
>=1.1.0	torch
>=1.14.*	tb-nightly
>=0.17	future
>=10.0	coloredlogs
>=2.0.0	portalocker

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl firelab-0.0.9:

pip install firelab-0.0.9.whl

نصب پکیج tar.gz firelab-0.0.9:

pip install firelab-0.0.9.tar.gz