الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

مكتبة عملاء Kaggle Hub

تثبيت

قم بتثبيت حزمة kagglehub بالنقطة: 

 pip install kagglehub

الاستخدام

مصادقة

المصادقة مطلوبة فقط للوصول إلى الموارد العامة التي تتطلب موافقة المستخدم أو الموارد الخاصة.

أولاً، ستحتاج إلى حساب Kaggle. يمكنك الاشتراك هنا.

بعد تسجيل الدخول، يمكنك تنزيل بيانات اعتماد Kaggle API الخاصة بك على https://www.kaggle.com/settings بالنقر فوق الزر "إنشاء رمز مميز جديد" ضمن قسم "API".

لديك 3 خيارات مختلفة للمصادقة.

الخيار 1: الاتصال بـ kagglehub.login()

سيطالبك هذا بإدخال اسم المستخدم والرمز المميز الخاص بك: 

 import kagglehub

kagglehub . login ()

الخيار 2: قراءة بيانات الاعتماد من متغيرات البيئة

يمكنك أيضًا اختيار تصدير اسم مستخدم Kaggle ورمزه المميز إلى البيئة: 

 export KAGGLE_USERNAME=datadinosaur
export KAGGLE_KEY=xxxxxxxxxxxxxx

الخيار 3: قراءة بيانات الاعتماد من kaggle.json

قم بتخزين ملف بيانات اعتماد kaggle.json الخاص بك على ~/.kaggle/kaggle.json .

وبدلاً من ذلك، يمكنك تعيين متغير البيئة KAGGLE_CONFIG_DIR لتغيير هذا الموقع إلى $KAGGLE_CONFIG_DIR/kaggle.json .

ملاحظة لمستخدمي Windows: الدليل الافتراضي هو %HOMEPATH%/kaggle.json .

الخيار 4: قراءة بيانات الاعتماد من أسرار Google Colab

قم بتخزين اسم المستخدم الخاص بك ورمز المفتاح كأسرار Colab KAGGLE_USERNAME و KAGGLE_KEY .

يمكن العثور على تعليمات حول إضافة الأسرار في كل من Colab وColab Enterprise في هذه المقالة.

تحميل الموديل

تقوم الأمثلة التالية بتنزيل صيغة answer-equivalence-bem لنموذج Kaggle هذا: https://www.kaggle.com/models/google/bert/tensorFlow2/answer-equvalence-bem 

 import kagglehub

# Download the latest version.
kagglehub . model_download ( 'google/bert/tensorFlow2/answer-equivalence-bem' )

# Download a specific version.
kagglehub . model_download ( 'google/bert/tensorFlow2/answer-equivalence-bem/1' )

# Download a single file.
kagglehub . model_download ( 'google/bert/tensorFlow2/answer-equivalence-bem' , path = 'variables/variables.index' )

# Download a model or file, even if previously downloaded to cache.
kagglehub . model_download ( 'google/bert/tensorFlow2/answer-equivalence-bem' , force_download = True )

تحميل النموذج

تحميل شكل جديد (أو إصدار شكل جديد إذا كان موجودًا بالفعل). 

 import kagglehub

# For example, to upload a new variation to this model:
# - https://www.kaggle.com/models/google/bert/tensorFlow2/answer-equivalence-bem
# 
# You would use the following handle: `google/bert/tensorFlow2/answer-equivalence-bem`
handle = '///'
local_model_dir = 'path/to/local/model/dir'

kagglehub . model_upload ( handle , local_model_dir )

# You can also specify some version notes (optional)
kagglehub . model_upload ( handle , local_model_dir , version_notes = 'improved accuracy' )

# You can also specify a license (optional)
kagglehub . model_upload ( handle , local_model_dir , license_name = 'Apache 2.0' )

# You can also specify a list of patterns for files/dirs to ignore.
# These patterns are combined with `kagglehub.models.DEFAULT_IGNORE_PATTERNS` 
# to determine which files and directories to exclude. 
# To ignore entire directories, include a trailing slash (/) in the pattern.
kagglehub . model_upload ( handle , local_model_dir , ignore_patterns = [ "original/" , "*.tmp" ])

تحميل مجموعة البيانات

تقوم الأمثلة التالية بتنزيل مجموعة بيانات Spotify Recommendation Kaggle: https://www.kaggle.com/datasets/bricevergnou/spotify-recommendation 

 import kagglehub

# Download the latest version.
kagglehub . dataset_download ( 'bricevergnou/spotify-recommendation' )

# Download a specific version.
kagglehub . dataset_download ( 'bricevergnou/spotify-recommendation/versions/1' )

# Download a single file
kagglehub . dataset_download ( 'bricevergnou/spotify-recommendation' , path = 'data.csv' )

# Download a dataset or file, even if previously downloaded to cache.
kagglehub . dataset_download ( 'bricevergnou/spotify-recommendation' , force_download = True )

تحميل مجموعة البيانات

تحميل مجموعة بيانات جديدة (أو إصدار جديد إذا كان موجودًا بالفعل). 

 import kagglehub

# For example, to upload a new dataset (or version) at:
# - https://www.kaggle.com/datasets/bricevergnou/spotify-recommendation
# 
# You would use the following handle: `bricevergnou/spotify-recommendation`
handle = ' < KAGGLE_USERNAME > / < DATASET >
local_dataset_dir = 'path/to/local/dataset/dir'

# Create a new dataset
kagglehub . dataset_upload ( handle , local_dataset_dir )

# You can then create a new version of this existing dataset and include version notes (optional).
kagglehub . dataset_upload ( handle , local_dataset_dir , version_notes = 'improved data' )

# You can also specify a list of patterns for files/dirs to ignore.
# These patterns are combined with `kagglehub.datasets.DEFAULT_IGNORE_PATTERNS` 
# to determine which files and directories to exclude. 
# To ignore entire directories, include a trailing slash (/) in the pattern.
kagglehub . dataset_upload ( handle , local_dataset_dir , ignore_patterns = [ "original/" , "*.tmp" ])

تحميل المسابقة

يمكنك تنزيل مسابقة Digit Recognizer Kaggle من خلال الأمثلة التالية: https://www.kaggle.com/competitions/digit-recognizer 

 import kagglehub

# Download the latest version.
kagglehub . competition_download ( 'digit-recognizer' )

# Download a single file
kagglehub . competition_download ( 'digit-recognizer' , path = 'train.csv' )

# Download a competition or file, even if previously downloaded to cache. 
kagglehub . competition_download ( 'digit-recognizer' , force_download = True )

تطوير

المتطلبات

نستخدم الفتحة لإدارة هذا المشروع.

اتبع هذه التعليمات لتثبيته.

الاختبارات 

 # Run all tests for current Python version.
hatch test

# Run all tests for all Python versions.
hatch test --all

# Run all tests for a specific Python version.
hatch test -py 3.11

# Run a single test file
hatch test tests/test_ < SOME_FILE > .py

اختبارات التكامل

لإجراء اختبارات التكامل على جهازك المحلي، تحتاج إلى إعداد بيانات اعتماد Kaggle API الخاصة بك. يمكنك القيام بذلك بإحدى الطريقتين الموضحتين في الأقسام السابقة من هذا المستند. الرجوع إلى الأقسام:

  • استخدام متغيرات البيئة
  • باستخدام ملف بيانات الاعتماد

بعد إعداد بيانات الاعتماد الخاصة بك بأي من هذه الطرق، يمكنك تشغيل اختبارات التكامل على النحو التالي: 

 # Run all tests
hatch test integration_tests

قم بتشغيل kagglehub من المصدر 

 # Download a model & print the path
hatch run python -c " import kagglehub; print('path: ', kagglehub.model_download('google/bert/tensorFlow2/answer-equivalence-bem')) "

الوبر / التنسيق 

 # Lint check
hatch run lint:style
hatch run lint:typing
hatch run lint:all     # for both

# Format
hatch run lint:fmt

تقرير التغطية 

hatch test --cover

يبني 

hatch build

تشغيل أوامر hatch داخل Docker

يعد هذا مفيدًا للتشغيل في بيئة متسقة والتبديل بسهولة بين إصدارات Python.

يوضح ما يلي كيفية تشغيل hatch run lint:all ولكن هذا يعمل أيضًا مع أي أوامر Hatch أخرى: 

 # Use default Python version
./docker-hatch run lint:all

# Use specific Python version (Must be a valid tag from: https://hub.docker.com/_/python)
./docker-hatch -v 3.9 run lint:all

# Run test in docker with specific Python version
./docker-hatch -v 3.9 test

إعداد رمز VS

المتطلبات الأساسية

قم بتثبيت الملحقات الموصى بها.

تعليمات

قم بتكوين الفتحة لإنشاء بيئة افتراضية في مجلد المشروع. 

 hatch config set dirs.env.virtual .env

بعد ذلك، قم بإنشاء جميع بيئات بايثون اللازمة عن طريق تشغيل hatch -e all run tests .

أخيرًا، قم بتكوين vscode لاستخدام إحدى البيئات المحددة: cmd + shift + p -> python: Select Interpreter -> اختر أحد المجلدات الموجودة في ./.env

يدعم

قامت مكتبة kagglehub بتكوين التسجيل التلقائي الذي يتم تخزينه في مجلد السجل. يتم حل وجهة السجل عبر os.path.expanduser

يحتوي الجدول أدناه على المواقع المحتملة:

نظام التشغيل مسار السجل
com.osx /user/$USERNAME/.kaggle/logs/kagglehub.log
لينكس ~/.kaggle/logs/kagglehub.log
ويندوز C:Users%USERNAME%.kagglelogskagglehub.log

الرجاء تضمين السجل للمساعدة في استكشاف المشكلات وإصلاحها.

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل
تعليقات المستخدمين