mead-baseline 2.2.3

米德

MEAD是一个可复制的深度学习研究和快速模型库 NLP开发。它提供了易于扩展的抽象和 实现数据加载，模型开发，培训，实验跟踪和输出到生产。在

它还为各种NLP任务提供高性能的深度学习模型的实现，针对这些新开发的模型 可以比较。深度学习实验很难重现，米德 提供跟踪它们的功能。目的是让研究人员 专注于模型开发，将重复的任务委托给库。在

Documentation

Tutorials using Colab

MEAD Hub

安装

Pip

基线可以作为Python包安装。在

pip install mead-baseline

如果您使用TensorFlow2作为您的深度学习后端，您需要 tensorflow_addons已安装或直接安装：

pip install mead-baseline[tf2]

tf2.1用户的注意：如果您使用的是tf2.1，您不能仅仅使用pip install tensorflow_addons（或上面的命令）--它将拉取一个依赖于更新版本的版本，该版本具有中断性的更改。如果您运行的是tf2.1，请使用附加组件的固定版本：pip install tensorflow_addons==0.9.1

从存储库

如果你想安装这个故事的复制品：

cd layers
pip install -e .
cd ../
pip install -e .

这首先在本地安装mead-layers即8英里，一个包含PyTorch和TensorFlow原语的小层API，然后mead-baseline

Dockerhub

我们通过这个项目使用Github CI/CD自动剪切TensorFlow（1.x和2.x）和PyTorch的版本：

https://github.com/mead-ml/mead-gpu

最新的dockerhub图片链接可以在那里找到

版本说明

深度学习框架发展迅速，变化并不总是如此 向后兼容。我们建议使用最新版本的框架。我们目前运行的TF版本介于1.13和2.3之间，我们建议至少使用tf2.1。 Pythorch后端至少需要1.3.0版，但我们建议使用更新的版本。在

引用

如果您使用图书馆，请引用以下论文：