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。
欢迎加入QQ群-->： 979659372
