没有项目描述
tfbuild的Python项目详细描述
#tfbuild
tensorflow build是一个开放源代码库,用于深入学习。其主要特点是(1)不断增长的层、模型、数据集和完整的培训和评估管道的存储库;以及(2)上述内容的抽象,允许无缝原型、实验,以及
研究的可重复性。
几乎总是这样,这会使模型变得混乱,尤其是当
执行诸如:分离训练和推理(可能还有其他
模式)、以分层方式训练模型、组合多个模型、联合训练多个模型等操作时。tfbuild通过定义处理上述所有问题的
抽象来解决这个问题。
这些应该是
输入不可知的,这意味着我们不能选择如何输入。
模型可以定义可训练变量,但它们不应该定义训练
操作!选择这个选择有很多原因。例如,我们不关心在推断过程中在图中定义优化器。这也会使情况复杂化,如果两个模型都定义了训练操作,我们就可以组合模型,然后进行训练。由于用户可能只对其中的一小部分感兴趣,因此他们不会按默认值下载。相反,它们可以使用我们的cli进行上传和下载:
``bash
``under construction.
````
`wrappers
wrappers,顾名思义,包装具有功能的模型。例如,这可能是训练或推理。它们返回相同的模型实例,但是
通过向计算图中添加更多的ops和添加
新的绑定方法来更改它们的行为。例如:从tfbuild.wrappappers导入trainingwrapper
……
model=trainingwrapper(mymodel('my'u model')
model.train(示例)
````
<
<
<
<<<
<<
在建。
要构建集合,请参见“contribution.md”中的贡献指南。
tensorflow build是一个开放源代码库,用于深入学习。其主要特点是(1)不断增长的层、模型、数据集和完整的培训和评估管道的存储库;以及(2)上述内容的抽象,允许无缝原型、实验,以及
研究的可重复性。
几乎总是这样,这会使模型变得混乱,尤其是当
执行诸如:分离训练和推理(可能还有其他
模式)、以分层方式训练模型、组合多个模型、联合训练多个模型等操作时。tfbuild通过定义处理上述所有问题的
抽象来解决这个问题。
这些应该是
输入不可知的,这意味着我们不能选择如何输入。
模型可以定义可训练变量,但它们不应该定义训练
操作!选择这个选择有很多原因。例如,我们不关心在推断过程中在图中定义优化器。这也会使情况复杂化,如果两个模型都定义了训练操作,我们就可以组合模型,然后进行训练。由于用户可能只对其中的一小部分感兴趣,因此他们不会按默认值下载。相反,它们可以使用我们的cli进行上传和下载:
``bash
``under construction.
````
`wrappers
wrappers,顾名思义,包装具有功能的模型。例如,这可能是训练或推理。它们返回相同的模型实例,但是
通过向计算图中添加更多的ops和添加
新的绑定方法来更改它们的行为。例如:从tfbuild.wrappappers导入trainingwrapper
……
model=trainingwrapper(mymodel('my'u model')
model.train(示例)
````
<
<
<
<<<
<<
在建。
要构建集合,请参见“contribution.md”中的贡献指南。