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

Resource-aware hyperparameter tuning execution engine

ویژگی	مقدار
سیستم عامل	-
نام فایل	fluidexec-0.1.0rc0
نام	fluidexec
نسخه کتابخانه	0.1.0rc0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Peifeng
ایمیل نویسنده	peifeng@umich.edu
آدرس صفحه اصلی	https://github.com/SymbioticLab/fluid
آدرس اینترنتی	https://pypi.org/project/fluidexec/
مجوز	Apache-2.0

# Fluid: Resource-Aware Hyperparameter Tuning Engine [![PyPI version](https://img.shields.io/pypi/v/fluidexec.svg)](https://pypi.org/project/fluidexec) [![Build Status](https://github.com/SymbioticLab/fluid/actions/workflows/python-package/badge.svg?event=release)](https://github.com/SymbioticLab/fluid/actions) `Fluid` is an alternative [Ray](https://ray.io) executor that intelligently manages trial executions on behalf of hyperparameter tuning algorithms, in order to increase the resource utilization, and improve end-to-end makespan. This is the implementation of our MLSys'21 [paper](https://symbioticlab.org/publications/#/venue:MLSys) "Fluid: Resource-Aware Hyperparameter Tuning Engine". ## Get Started First follow the [instruction](https://docs.ray.io/en/master/tune/index.html) in Ray Tune to setup the Ray cluster and a tuning environment as usual. Then make sure [Nvidia MPS](https://docs.nvidia.com/deploy/mps/index.html#topic_6_1) is correctly setup on all worker nodes. `Fluid` itself is a normal python package that can be installed by `pip install fluidexec`. Note that the pypi package name is `fluidexec` because the name `fluid` is already taken. To use `Fluid` in Ray Tune, pass an instance of it as an additional keyword argument to `tune.run`: ```python from fluid.executor import MyRayTrialExecutor from fluid.scheduler import FluidBandScheduler tune.run( MyTrainable, scheduler=FluidBandScheduler(...), trial_executor=FluidExecutor(), ... ) ``` ## Reproduce Experiments See the README in [`workloads`](workloads/) for more information. ## Notes Please consider to cite our paper if you find this useful in your research project. ```bibtex @inproceedings{fluid:mlsys21, author = {Peifeng Yu and Jiachen Liu and Mosharaf Chowdhury}, booktitle = {MLSys}, title = {Fluid: Resource-Aware Hyperparameter Tuning Engine}, year = {2021}, } ```

نیازمندی

مقدار	نام
==0.8.5	ray[tune]
-	numpy
-	requests
xtr	hpbandster;
xtr	ConfigSpace;
xtr	pandas;

زبان مورد نیاز

مقدار	نام
>=3.6,<3.7	Python

نحوه نصب

نصب پکیج whl fluidexec-0.1.0rc0:

pip install fluidexec-0.1.0rc0.whl

نصب پکیج tar.gz fluidexec-0.1.0rc0:

pip install fluidexec-0.1.0rc0.tar.gz