thinc

THINC：お気に入りのライブラリと互換性のある深い学習に対するさわやかな機能的テイク

スペイシーと天才のメーカーから

THINCは、Pytorch、Tensorflow、MxNetなどの他のフレームワークで定義されたレイヤーをサポートして、モデルのエレガントでタイプチェックされた機能プログラミングAPIを提供する軽量のディープラーニングライブラリです。 THINCをインターフェイスレイヤー、スタンドアロンツールキット、または新しいモデルを開発する柔軟な方法として使用できます。 THINCの以前のバージョンは、スパシーと天才の両方を介して、数千の企業で生産で静かに運営されています。ユーザーがお気に入りのフレームワークで構築されたカスタムモデルを作成、構成、展開できるようにする新しいバージョンを作成しました。

特徴

• カスタムタイプとmypyプラグインを使用して、モデル定義をタイプチェックします。
• ネットワークで使用するためのPytorch 、 Tensorflow 、 MxNetモデルをラップします。
• 継承ではなく構成を使用して、モデル定義への簡潔な機能プログラミングアプローチ。
• オペレーターのオーバーロードを介したオプションのカスタムインフィックス表記。
• オブジェクトとハイパーパラメーターの木を記述する統合された構成システム。
• 拡張可能なバックエンドの選択。
• 続きを読む→

クイックスタート

THINCはPython 3.6+と互換性があり、 Linux 、 MacOS 、 Windowsで動作します。バイナリホイールを使用した最新リリースは、PIPから入手できます。 THINCとその依存関係をインストールする前に、 pip 、 setuptools 、およびwheelが最新であることを確認してください。最新のリリースでは、PIP 19.3以下が推奨されます。

pip install -U pip setuptools wheel
pip install thinc

さまざまなバックエンドとGPUのオプションの依存関係の詳細については、拡張インストールドキュメントを参照してください。また、THINCのタイプシステムを活用するために、静的タイプチェックを設定することもできます。

ショ和Pytorchをインストールし、Python 3.7+を使用している場合は、Pytorchによってインストールされており、Python 3.7+と互換性がないため、 pip uninstall dataclassesでパッケージdataclassesをアンインストールしています。

？選択した例とノートブック

また、その他の例については/examples Directoryおよび使用法のドキュメントも参照してください。ほとんどの例は、Google Colabで起動するJupyterノートブックです（GPUサポート付き！）ノートブック名の横にあるボタンをクリックします。

ノート	説明
intro_to_thinc	始めるためにあなたが知る必要があるすべて。 MNISTデータのモデルを作成してトレーニングし、構成ファイルを使用し、カスタム関数の登録、Pytorch、Tensorflow、MXNetモデルのラッピング。
transformers_tagger_bert	Thinc、 transformers 、Pytorchを使用して、スピーチの一部を訓練する方法。モデルの定義と構成からトレーニングループまで。
pos_tagger_basic_cnn	外部依存関係のない、スピーチの一部のタグ付けモデルの基本的なCNNの実装とトレーニングおよび異なるレベルのTHINCの構成システムを使用します。
parallel_training_ray	THINCとRAYを使用した同期および非同期パラメーターサーバートレーニングをセットアップする方法。

もっと表示→

ドキュメントと使用ガイド

ドキュメント	説明
導入	あなたが知る必要があるすべて。
コンセプトとデザイン	THINCの概念モデルとそれがどのように機能するか。
モデルの定義と使用	モデルを作成し、状態を更新する方法。
構成システム	THINCの構成システムおよび関数レジストリ。
Pytorch、Tensorflow、Mxnetの統合	機械学習フレームワークとの相互運用性
層API	ウェイト層、変換、組み合わせ、ラッパー。
タイプチェック	モデル定義などをタイプチェックします。

？どこにありますか

モジュール	説明
thinc.api	ユーザー向けAPI。すべてのクラスと機能はここからインポートする必要があります。
thinc.types	カスタムタイプとデータラス。
thinc.model	Modelクラス。すべてのTHINCモデルは、 Modelのインスタンス（サブクラスではない）です。
thinc.layers	レイヤー。各レイヤーは独自のモジュールに実装されます。
thinc.shims	Pytorch、Tensorflowなどで実装された外部モデルのインターフェイス。
thinc.loss	損失を計算する機能。
thinc.optimizers	オプティマイザーを作成する機能。現在、「バニラ」SGD、アダム、ラダムをサポートしています。
thinc.schedules	さまざまな料金、スケジュール、減衰またはシリーズのジェネレーター。
thinc.backends	numpyとcupyのバックエンド。
thinc.config	構成解析と検証および関数レジストリシステム。
thinc.util	ユーティリティとヘルパー機能。

？開発ノート

THINCは、自動形式にblackを使用し、糸くずにはflake8使用し、タイプチェックにはmypy 。すべてのコードはPython 3.6+と互換性があり、可能な限りタイプのヒントが記載されています。 THINCのカスタムタイプの詳細については、タイプリファレンスを参照してください。

？

ソースからTHINCを構築するには、 requirements.txtにリストされている完全な依存関係をインストールする必要があります。また、C拡張機能を構築するためのコンパイラが必要です。

git clone https://github.com/explosion/thinc
cd thinc
python -m venv .env
source .env/bin/activate
pip install -U pip setuptools wheel
pip install -r requirements.txt
pip install --no-build-isolation .

または、編集モードにインストールします。

pip install -r requirements.txt
pip install --no-build-isolation --editable .

またはPYTHONPATHを設定すること：

 export PYTHONPATH= ` pwd `
pip install -r requirements.txt
python setup.py build_ext --inplace

？実行中のテスト

THINCには、大規模なテストスイートが付属しています。以下はすべて合格し、警告やエラーを報告しないでください。

python -m pytest thinc    # test suite
python -m mypy thinc      # type checks
python -m flake8 thinc    # linting

テストカバレッジを表示するには、 python -m pytest thinc --cov=thinc実行できます。 100％のテストカバレッジを目指しています。これは、すべての行のテストを細心の注意を払って作成することを意味するものではありません。テストがないか困難なブロックを無視し、テストですべてのコードパスを実行することを確認します。