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

Deeplearning framework for PyTorch

ویژگی	مقدار
سیستم عامل	-
نام فایل	fos-1.0.0
نام	fos
نسخه کتابخانه	1.0.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	FOS Authors
ایمیل نویسنده	info@neurallayer.com
آدرس صفحه اصلی	https://github.com/neurallayer/fos
آدرس اینترنتی	https://pypi.org/project/fos/
مجوز	-

.. image:: https://travis-ci.com/neurallayer/fos.svg?branch=master :target: https://travis-ci.com/neurallayer/fos Introduction ============ **FOS** is a Python framework that makes it easy to develop neural network models in PyTorch. Some of its main features include: * Less boilerplate code required, see also the example below. * Lightweight and no magic under the hood that might get in the way. * You can extend Fos using common OO patterns. * Get the insights you need into the performance of the model. Installation ============ You can install FOS using pip:: pip install fos Or alternatively from the source:: python setup.py install Fos requires Python 3.6 or higher. Usage ===== Training a model, requires just a few lines of code. First create the model, optimizer and loss function that you want to use, using normal PyTorch code:: model = resnet18() optim = Adam(model.parameters()) loss = F.binary_cross_entropy_with_logits Then create the FOS workout that will take care of the training and output:: workout = Workout(net, loss, optim) And we are ready to start the training:: workout.fit(train_data, valid_data, epochs=5) Examples ======== You can find several example Jupyter notebooks `here <https://github.com/neurallayer/fos/tree/master/examples>`_ You can also run them on Google Colab directly: * `Basic https://colab.research.google.com/github/neurallayer/fos/blob/master/examples/basic_fos.ipynb` * `MINST https://colab.research.google.com/github/neurallayer/fos/blob/master/examples/mnist_fos.ipynb` * `Inputs https://colab.research.google.com/github/neurallayer/fos/blob/master/examples/inputs_fos.ipynb` * `Tensorboard https://colab.research.google.com/github/neurallayer/fos/blob/master/examples/tensorboard_fos.ipynb` Contribution ============ If you want to help out, we appreciate all contributions. Please see the contribution guidelines for more information. As always, PRs are welcome :)=

نحوه نصب

نصب پکیج whl fos-1.0.0:

pip install fos-1.0.0.whl

نصب پکیج tar.gz fos-1.0.0:

pip install fos-1.0.0.tar.gz