张量实用程序,强化学习,等等!
fomoro-pyoneer的Python项目详细描述
皮耶纳
张量实用程序,强化学习,等等!旨在通过普通操作的低级抽象简化研究。
用法
对于顶级实用程序,按如下方式导入:
import pyoneer as pynr
pynr.math.rescale(...)
对于较大的子模块,如强化学习,我们建议:
import pyoneer.rl as pyrl
loss_fn = pyrl.losses.PolicyGradient(...)
通常,pyoner api会尝试遵守tensorflow 2.0api。
示例
API
激活(^{} )
pynr.activations.swish
调试(^{} )
pynr.debugging.Stopwatch
分布(^{} )
pynr.distributions.MultiCategorical
初始值设定项(^{} )
pynr.initializers.SoftplusInverse
层(^{} )
pynr.layers.Swish
pynr.layers.OneHotEncoder
pynr.layers.AngleEncoder
pynr.layers.Nest
张量操纵(^{} )
pynr.manip.flatten
pynr.manip.batched_index
pynr.manip.pad_or_truncate
pynr.manip.shift
数学(^{} )
pynr.math.to_radians
pynr.math.to_degrees
pynr.math.to_cartesian
pynr.math.to_polar
pynr.math.RADIANS_TO_DEGREES
pynr.math.DEGREES_TO_RADIANS
pynr.math.isclose
pynr.math.safe_divide
pynr.math.rescale
pynr.math.normalize
pynr.math.denormalize
度量(^{} )
pynr.metrics.mape
pynr.metrics.smape
pynr.metrics.MAPE
pynr.metrics.SMAPE
力矩(^{} )
pynr.moments.range_moments
pynr.moments.StaticMoments
pynr.moments.StreamingMoments
pynr.moments.ExponentialMovingMoments
学习率表(^{} )
pynr.schedules.CyclicSchedule
强化学习(^{} )
强化学习的实用程序。
损耗(^{} )
pynr.rl.losses.policy_gradient
pynr.rl.losses.policy_entropy
pynr.rl.losses.clipped_policy_gradient
pynr.rl.losses.PolicyGradient
pynr.rl.losses.PolicyEntropy
pynr.rl.losses.ClippedPolicyGradient
目标(^{} )
pynr.rl.targets.DiscountedReturns
pynr.rl.targets.GeneralizedAdvantages
策略(^{} )
pynr.rl.strategies.EpsilonGreedy
pynr.rl.strategies.Mode
pynr.rl.strategies.Sample
包装纸(^{} )
pynr.rl.wrappers.ObservationCoordinates
pynr.rl.wrappers.ObservationNormalization
pynr.rl.wrappers.Batch
pynr.rl.wrappers.Process
安装
有几个安装选项:
(推荐)安装时使用
pipenv
:pipenv install fomoro-pyoneer
使用
pipenv
:git clone https://github.com/fomorians/pyoneer.git cd pyoneer pipenv install pipenv shell
测试
有几个测试选项:
运行所有测试:
python -m unittest discover -bfp '*_test.py'
运行特定测试:
python -m pyoneer.math.logical_ops_test
贡献
在ISSUE_TEMPLATE
之后提交问题。如果问题讨论需要实现,那么提交来自描述该特性的分支的请求。经过几轮代码评审,这最终将合并到master
。