recogners 1.0.0

recogners：受python启发的机器学习者

欢迎使用recogners。

你的计算实验有没有遇到瓶颈？你厌倦了使用你自己的技术吗？如果是的话，重新签名才是真正的交易！这个包提供了一个易于实现的机器学习算法。从数据集到完全可定制的模型，从内部功能到外部通信，我们将促进所有与机器学习相关的研究。

如果需要库或希望：

• 创建自己的机器学习算法。
• 设计或使用预装的学习者。
• 混合搭配不同的策略来解决你的问题。
• 因为学习东西是不可思议的。

阅读recogners.readthedocs.io上的文档。

recogners兼容：python 3.6和3.7。

包装指南

1. 您需要的第一个信息位于next部分。
2. 安装也很简单，如果您希望阅读代码并遇到问题，请继续。
3. 请注意，可能还有一些附加步骤，以便使用我们的解决方案。
4. 如果有问题，请不要犹豫，给我们打电话。
5. 最后，我们关注最小化。在设计问题时要记住这一点。

开始：60秒，使用重记录器

首先。我们有例子。是的，他们被评论了。只需浏览到examples/，选择您的子包并按照示例进行操作。对于我们能想到的大多数任务，我们都有高级的例子。

或者，如果您想了解更多，请花几分钟：

重签名器基于以下结构，您应该注意它的树：

- recogners
    - core
        - dataset
        - model
    - datasets
        - opf
    - math
        - scale
    - models
        - rbm
    - utils
        - loader
        - logging
    - visual
        - image
        - plot

核心

核心就是核心。本质上，它是一切事物的父。你应该找到定义我们的结构的基本的父类。它们应该提供有助于构建其他模块的变量和方法。

数据集

当我们建立在pytorch之上时，我们还将提供一些与实验室使用的其他技术的集成。最初，您可以将所有opf文本文件加载到此库中。

数学

仅仅因为我们在计算，并不意味着我们不需要数学。math是数学包，包含低级数学实现。从随机数到分布生成，您可以在此模块中找到您的需求。

型号

基本上，这就是心脏。所有模型都在这里声明和实现。我们将为您提供所有我们正在工作的最令人惊奇的实现。请仔细看看这个包裹。

utils

这是一个实用程序包。应该在这里实现应用程序间共享的公共内容。与其一遍又一遍地重新实现同一个东西，不如一次实现，然后随心所欲地使用。

视觉

每个人都需要图像和情节来帮助想象发生了什么，对吗？这个包将为您提供所有与视觉相关的方法。检查一个特定的图像，你的适应度函数收敛，绘图重建，权重等等！

安装

我们相信一切都要简单。从最初的instalation到实现需求的日常任务，recogners将是您需要的一个打包工具，既不困难也不令人畏惧。如果可以，只需在您最喜欢的python环境（raw、conda、virtualenv等）下运行以下命令：

pipinstallrecogners

或者，如果您希望安装Bleeding Edge版本，请克隆此存储库并使用：

pipinstall.

环境配置

请注意，有时需要额外的实现。如果需要，从这里开始是那个知道所有细节的人。

ubuntu

不需要特定的附加命令。

窗口

不需要特定的附加命令。

macos

不需要特定的附加命令。

支架