kagglehub 다운로드 - kagglehub 소스 코드 다운로드

캐글허브

기타 소스코드

release

다운로드

Kaggle 허브 클라이언트 라이브러리

설치

pip를 사용하여 kagglehub 패키지를 설치합니다:

 pip install kagglehub

용법

인증하다

인증은 사용자 동의가 필요한 공용 리소스 또는 개인 리소스에 액세스하는 경우 에만 필요합니다.

먼저 Kaggle 계정이 필요합니다. 여기에서 가입할 수 있습니다.

로그인 후 https://www.kaggle.com/settings에서 "API" 섹션 아래의 "새 토큰 만들기" 버튼을 클릭하여 Kaggle API 자격 증명을 다운로드할 수 있습니다.

인증에는 3가지 옵션이 있습니다.

옵션 1: kagglehub.login() 호출

그러면 사용자 이름과 토큰을 입력하라는 메시지가 표시됩니다.

 import kagglehub

kagglehub . login ()

옵션 2: 환경 변수에서 자격 증명 읽기

Kaggle 사용자 이름과 토큰을 환경으로 내보내도록 선택할 수도 있습니다.

 export KAGGLE_USERNAME=datadinosaur
export KAGGLE_KEY=xxxxxxxxxxxxxx

옵션 3: `kaggle.json` 에서 자격 증명 읽기

~/.kaggle/kaggle.json 에 kaggle.json 자격 증명 파일을 저장하세요.

또는 KAGGLE_CONFIG_DIR 환경 변수를 설정하여 이 위치를 $KAGGLE_CONFIG_DIR/kaggle.json 으로 변경할 수 있습니다.

Windows 사용자를 위한 참고 사항: 기본 디렉터리는 %HOMEPATH%/kaggle.json 입니다.

옵션 4: Google Colab 비밀에서 자격 증명 읽기

사용자 이름과 키 토큰을 Colab 비밀번호 KAGGLE_USERNAME 및 KAGGLE_KEY 로 저장하세요.

Colab과 Colab Enterprise 모두에서 비밀번호를 추가하는 방법은 이 도움말에서 확인할 수 있습니다.

모델 다운로드

다음 예에서는 이 Kaggle 모델의 answer-equivalence-bem 변형을 다운로드합니다: https://www.kaggle.com/models/google/bert/tensorFlow2/answer-equivalence-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 )

모델 업로드

새 변형(또는 이미 존재하는 경우 새 변형 버전)을 업로드합니다.

 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" ])

데이터세트 다운로드

다음 예에서는 Spotify Recommendation Kaggle 데이터세트를 다운로드합니다: 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 )

데이터세트 업로드

새 데이터 세트(또는 이미 존재하는 경우 새 버전)를 업로드합니다.

 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" ])

대회 다운로드

다음 예에서는 Digit Recognizer Kaggle 대회를 다운로드합니다: 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 )

개발

전제조건

우리는 해치를 사용하여 이 프로젝트를 관리합니다.

설치하려면 다음 지침을 따르세요.

테스트

 # 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

통합 테스트

로컬 컴퓨터에서 통합 테스트를 실행하려면 Kaggle API 자격 증명을 설정해야 합니다. 이 문서의 이전 섹션에 설명된 두 가지 방법 중 하나로 이 작업을 수행할 수 있습니다. 다음 섹션을 참조하세요.

환경 변수 사용
자격 증명 파일 사용

이러한 방법 중 하나로 자격 증명을 설정한 후 다음과 같이 통합 테스트를 실행할 수 있습니다.

 # Run all tests
hatch test integration_tests

소스에서 `kagglehub` 실행

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

린트/형식

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

# Format
hatch run lint:fmt

적용 범위 보고서

hatch test --cover

짓다

hatch build

Docker 내에서 `hatch` 명령 실행

이는 일관된 환경에서 실행하고 Python 버전 간에 쉽게 전환하는 데 유용합니다.

다음은 hatch run lint:all 실행하는 방법을 보여 주지만 이는 다른 모든 해치 명령에도 작동합니다.

 # 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

VS 코드 설정

전제 조건

권장 확장 프로그램을 설치하세요.

지침

프로젝트 폴더에 가상 환경을 생성하도록 해치를 구성합니다.

 hatch config set dirs.env.virtual .env

그런 다음, hatch -e all run tests 실행하여 필요한 모든 Python 환경을 만듭니다.

마지막으로 선택한 환경 중 하나를 사용하도록 vscode를 구성합니다. cmd + shift + p -> python: Select Interpreter -> ./.env 에서 폴더 중 하나 선택

지원하다

Kagglehub 라이브러리는 로그 폴더에 저장되는 자동 로깅을 구성했습니다. 로그 대상은 os.path.expanduser를 통해 확인됩니다.

아래 표에는 가능한 위치가 포함되어 있습니다.

운영 체제	로그 경로
OSX	/user/$USERNAME/.kaggle/logs/kagglehub.log
리눅스	~/.kaggle/logs/kagglehub.log
창문들	C:Users%USERNAME%.kagglelogskagglehub.log

문제 해결에 도움이 되도록 로그를 포함해 주세요.

확장하다

추가 정보

버전 release
유형 기타 소스코드
업데이트 시간 2024-11-05
크기
언어 간체 중국어

캐글허브

Kaggle 허브 클라이언트 라이브러리

설치

용법

인증하다

옵션 1: kagglehub.login() 호출

옵션 2: 환경 변수에서 자격 증명 읽기

옵션 3: `kaggle.json` 에서 자격 증명 읽기

옵션 4: Google Colab 비밀에서 자격 증명 읽기

모델 다운로드

모델 업로드

데이터세트 다운로드

데이터세트 업로드

대회 다운로드

개발

전제조건

테스트

통합 테스트

소스에서 `kagglehub` 실행

린트/형식

적용 범위 보고서

짓다

Docker 내에서 `hatch` 명령 실행

VS 코드 설정

전제 조건

지침

지원하다

Bidi Film and Television bdys Android 버전

어썰트 릴리 게임 다운로드

지식 결제 시스템 소스 코드 丨 온라인 교육 콘텐츠 유료 지식 실현 丨 비디오 Q & A 그래픽 유료 코스 미니 프로그램 맞춤화 H5

식물 vs. 좀비 서부 여행 에디션

PVZ 하이브리드 버전 2.3.5 내장 메뉴 버전

피자 타워 소음 DLC 모드

해피 블록 하우스 패밀리 시뮬레이터 모바일

수리 후크 지하철 탈출 설치

바디캠 모바일 게임

캐글허브

Kaggle 허브 클라이언트 라이브러리

설치

용법

인증하다

옵션 1: kagglehub.login() 호출

옵션 2: 환경 변수에서 자격 증명 읽기

옵션 3: kaggle.json 에서 자격 증명 읽기

옵션 4: Google Colab 비밀에서 자격 증명 읽기

모델 다운로드

모델 업로드

데이터세트 다운로드

데이터세트 업로드

대회 다운로드

개발

전제조건

테스트

통합 테스트

소스에서 kagglehub 실행

린트/형식

적용 범위 보고서

짓다

Docker 내에서 hatch 명령 실행

VS 코드 설정

전제 조건

지침

지원하다

옵션 3: `kaggle.json` 에서 자격 증명 읽기

소스에서 `kagglehub` 실행

Docker 내에서 `hatch` 명령 실행