受python启发的机器学习者
recogners的Python项目详细描述
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
- 您需要的第一个信息位于next部分。
- 安装也很简单,如果您希望阅读代码并遇到问题,请继续。
- 请注意,可能还有一些附加步骤,以便使用我们的解决方案。
- 如果有问题,请不要犹豫,给我们打电话。
- 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。