gradsflow automl
✨ Enhancements and Bug fixes
Une bibliothèque de formation de modèles AutoML et PyTorch open source
Documents | Exemples
!!! attention GradsFlow évolue rapidement. Il y aura beaucoup de changements importants jusqu'à ce que nous atteignions 0.1.0 . N'hésitez pas à donner votre avis en créant un problème ou en rejoignant notre groupe Slack.
GradsFlow est une bibliothèque AutoML open source basée sur PyTorch. Notre objectif est de démocratiser l’IA et de la rendre accessible à tous.
Il peut automatiquement créer et former des modèles d'apprentissage profond pour différentes tâches sur votre ordinateur portable ou sur un cluster distant directement depuis votre ordinateur portable. Il fournit une API de formation de modèles puissante et facile à étendre qui peut être utilisée pour former presque tous les modèles PyTorch. Bien que GradsFlow dispose de sa propre API de formation de modèles, il prend également en charge PyTorch Lightning Flash pour fournir des fonctionnalités plus riches pour différentes tâches.
!!! info Gradsflow est conçu pour les débutants et les experts ! AutoTasks fournit AutoML sans code tandis que Model and Tuner fournit une formation de modèle personnalisée et une optimisation des hyperparamètres.
Recommandé :
La méthode recommandée pour installer gradsflow est soit avec pip de PyPI, soit avec conda du canal conda-forge.
avec pépin
pip install -U gradsflowavec conda
conda install -c conda-forge gradsflowDernier (instable) :
Vous pouvez également installer la dernière version de pointe (peut être instable) de gradsflow , si vous vous sentez suffisamment motivé, comme suit :
pip install git+https://github.com/gradsflow/gradsflow@main Êtes-vous débutant ou issu d'une formation non en Machine Learning ? Cette rubrique est pour vous. Gradsflow AutoTask permet la création automatique de modèles et la formation sur diverses tâches différentes, notamment la reconnaissance d'images, l'analyse des sentiments, la synthèse de texte et bien d'autres à venir.
Tuner fournit une API simplifiée pour passer de la formation de modèle à l'optimisation des hyperparamètres.
gradsflow.core : Core définit les éléments de base des tâches AutoML.
gradsflow.autotasks : AutoTasks définit différentes tâches ML/DL fournies par l'API gradsflow AutoML.
gradsflow.model : GradsFlow Model fournit une API de formation de modèle simple et personnalisable. Vous pouvez entraîner n'importe quel modèle PyTorch à l'aide de model.fit(...) et il est facilement personnalisable pour des tâches plus complexes.
gradsflow.tuner : recherche AutoModel HyperParameter avec un minimum de modifications de code.
? Consultez des exemples de cahiers pour en savoir plus.
? Parrainer sur ko-fi
? Avez-vous besoin de soutien ? Contactez-nous à [email protected]
Social : Vous pouvez également nous suivre sur Twitter @gradsflow et Linkedin pour les dernières mises à jour.
Rejoignez le groupe Slack pour discuter avec nous.
Les contributions de toute nature sont les bienvenues. Vous pouvez mettre à jour la documentation, ajouter des exemples, résoudre les problèmes identifiés, ajouter/demander une nouvelle fonctionnalité.
Pour plus de détails, consultez les directives de contribution avant de contribuer.
Nous nous engageons à agir et à interagir de manière à contribuer à une communauté ouverte, accueillante, diversifiée, inclusive et saine.
Lire l'intégralité du Code de conduite du Contributeur
GradsFlow est construit avec l'aide de superbes projets open source (y compris, mais sans s'y limiter) Ray, PyTorch Lightning, HuggingFace Accelerate, TorchMetrics. Il s'inspire de plusieurs projets Keras & FastAI.
