fireworks-ml 0.3.3

简介

此库提供与pytorch张量兼容的数据帧的实现。这意味着您可以构造按列名引用其输入的模型，这使得在处理复杂数据集时更容易跟踪变量。这也使得将这些模型集成到现有的基于熊猫的数据科学工作流中更容易。 此外，我们还提供了一个围绕数据框架构建的完整机器学习框架，以便于模型训练、保存/加载、预处理和超参数优化。

概述

数据在焰火中使用一个称为消息的对象来表示，该对象将数据帧的概念概括为包括pytorch张量（类似于其他框架中的张量帧）。这种数据结构在统计研究中很受欢迎，因为它能很好地组织信息，同时保持足够的灵活性，便于统计分析。通过提供支持torch.tensor对象的数据帧的实现，我们现在可以将此数据结构与pytorch一起使用。您可以很容易地在一个对象内将消息中的列移动到torch.tensor和gpu。

我们提供了一组抽象原语（管道、连接和模型），这些抽象原语可用于实现特定操作，并可堆叠在一起以构建数据管道。由于这些原语所期望的输入/输出的标准化，这些组件是可重用的。不是为每个项目以一种特定的方式构建新的数据管道，而是可以使用烟花或之前制作的现有组件来模块化管道。

这个库还提供了一组围绕这些组件构建的工具。这里有一些模块用于培训机器学习模型、使用消息读写数据库、超参数优化、保存/加载数据管道的快照/日志以实现可重用性和可重复性。

#入门 安装 ===================================== 您可以从pypi安装焰火：

pip3 install fireworks-ml

文档

参见https://fireworks.readthedocs.io

#贡献

欢迎提出意见、问题、问题和请求！您可以随时提出任何反馈问题，也可以直接向我（SMK508）提出任何问题。请参阅我们的路线图，了解我们要添加的功能的概述（https://fireworks.readthedocs.io/en/development/Project.html#roadmap）。

#致谢 发展 ===================================== 焰火是由阿尔伯特爱因斯坦医学院（albert einstein college of medicine，albert einstein college）利布莎•凯利实验室的mstp学生saad khan研发的。我们利用这个图书馆开发了深入学习模型来研究微生物。

资金

Saad Khan的部分资金来自NIH MSTP培训补助金6T32GM007288-46。这项工作的部分资金来源于美国国防部颁发给Libusha Kelly的同行评审癌症研究计划职业发展奖（CA171019）。