다운로드 thinc - thinc 소스 코드 다운로드

thinc

기타 소스코드

v9.1.1: Restore wheels for MacOS ARM 64

다운로드

Thinc : 좋아하는 라이브러리와 호환되는 딥 러닝을 상쾌하게하는 기능

Spacy와 Prodigy의 제작자로부터

Thinc는 Pytorch, Tensorflow 및 MXNet 과 같은 다른 프레임 워크에 정의 된 층을 지원하는 모델을 구성하기 위해 우아하고 유형 확인 된 기능 프로그래밍 API를 제공하는 경량 딥 러닝 라이브러리 입니다. Thinc을 인터페이스 계층, 독립형 툴킷 또는 새로운 모델을 개발하는 유연한 방법으로 사용할 수 있습니다. 이전 버전의 Thinc는 Spacy와 Prodigy를 통해 수천 개의 회사에서 조용히 생산을 시작했습니다. 우리는 사용자가 좋아하는 프레임 워크로 구축 된 사용자 정의 모델을 작성, 구성 및 배포 할 수 있도록 새 버전을 작성했습니다.

특징

사용자 정의 유형 및 mypy 플러그인으로 모델 정의를 유형 확인하십시오 .
네트워크에서 사용하기 위해 Pytorch , Tensorflow 및 MXNET 모델을 랩핑하십시오.
상속보다는 구성을 사용하여 모델 정의에 대한 기능적 프로그래밍 접근법.
연산자 과부하를 통한 선택적 사용자 정의 디스 픽스 표기법.
물체와 하이퍼 파라미터의 나무를 설명하기위한 통합 구성 시스템 .
확장 가능한 백엔드 선택.
자세히보기 →

QuickStart

Thinc는 Python 3.6+ 와 호환되며 Linux , MacOS 및 Windows 에서 실행됩니다. 이진 휠이있는 최신 릴리스는 PIP에서 제공됩니다. Thinc 및 그 종속성을 설치하기 전에 pip , setuptools 및 wheel 최신 상태인지 확인하십시오. 가장 최근의 릴리스의 경우 PIP 19.3 또는 새로운 것이 권장됩니다.

pip install -U pip setuptools wheel
pip install thinc

다른 백엔드 및 GPU에 대한 선택적 종속성에 대한 자세한 내용은 확장 설치 문서를 참조하십시오. Thinc의 유형 시스템을 활용하기 위해 정적 유형 검사를 설정할 수도 있습니다.

켈 Pytorch를 설치하고 Python 3.7+를 사용하는 경우 pip uninstall dataclasses 로 패키지 dataclasses 제거하십시오.

? 선택된 예제 및 노트북

또한 더 많은 예제는 /examples 디렉토리 및 사용법 문서를 참조하십시오. 대부분의 예제는 Jupyter Notebooks - Google Colab에서 시작하려면 (GPU 지원 포함!) 노트북 이름 옆의 버튼을 클릭하십시오.

공책	설명
`intro_to_thinc`	시작하기 위해 알아야 할 모든 것. 구성 파일을 사용하여 MNIST 데이터에 대한 모델을 작성하고 교육하고 사용자 지정 기능 등록 및 Pytorch, TensorFlow 및 MXNET 모델을 래핑합니다.
`transformers_tagger_bert`	Thinc, `transformers` 및 Pytorch를 사용하여 일부 연설 태그를 훈련시키는 방법. 모델 정의 및 구성에서 교육 루프까지.
`pos_tagger_basic_cnn`	외부 종속성없이 부품 태그 태깅 모델을위한 기본 CNN을 구현하고 교육합니다.
`parallel_training_ray`	Thinc 및 Ray와 동기 및 비동기 파라미터 서버 교육을 설정하는 방법.

더보기 →

문서 및 사용 안내서

선적 서류 비치	설명
소개	당신이 알아야 할 모든 것.
개념 및 디자인	Thinc의 개념적 모델과 작동 방식.
모델 정의 및 사용	모델을 작성하고 상태를 업데이트하는 방법.
구성 시스템	Thinc의 구성 시스템 및 기능 레지스트리.
Pytorch, Tensorflow & MXNet 통합	기계 학습 프레임 워크와의 상호 운용성
레이어 API	무게 층, 변형, 콤비네이터 및 포장지.
유형 확인	모델 정의 등을 확인하십시오.

? 어디에

기준 치수	설명
`thinc.api`	사용자를 향한 API. 모든 클래스와 기능은 여기에서 가져와야합니다.
`thinc.types`	사용자 정의 유형 및 데이터 클래스.
`thinc.model`	`Model` 클래스. 모든 Thinc 모델은 `Model` 의 인스턴스 (서브 클래스가 아님)입니다.
`thinc.layers`	레이어. 각 레이어는 자체 모듈로 구현됩니다.
`thinc.shims`	Pytorch, Tensorflow 등에서 구현 된 외부 모델의 인터페이스.
`thinc.loss`	손실을 계산하는 기능.
`thinc.optimizers`	최적화를 만들기위한 기능. 현재 "바닐라"SGD, Adam 및 Radam을 지원합니다.
`thinc.schedules`	다른 요금, 일정, 붕괴 또는 시리즈에 대한 생성기.
`thinc.backends`	`numpy` and `cupy` 에 대한 백엔드.
`thinc.config`	구문 분석 및 검증 및 기능 레지스트리 시스템을 구성하십시오.
`thinc.util`	유틸리티 및 도우미 기능.

? 개발 노트

Thinc는 자동 형성에 black , Linting의 경우 flake8 및 Type Checking에는 mypy 사용합니다. 모든 코드는 Python 3.6+ 와 호환되며 가능한 한 유형 힌트가 있습니다. Thinc의 사용자 정의 유형에 대한 자세한 내용은 유형 참조를 참조하십시오.

? from️ 소스에서 thinc를 건축합니다

소스에서 Thinc를 구축하려면 requirements.txt 에 나열된 전체 종속성이 설치되어야합니다. 또한 C 확장을 구축하려면 컴파일러가 필요합니다.

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 .

또는 편집 가능한 모드로 설치하십시오.

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

또는 PYTHONPATH 설정하여 :

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

? 실행 테스트

Thinc에는 광범위한 테스트 스위트가 있습니다. 다음은 모든 패스와 경고 나 오류를보고하지 않아야합니다.

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

테스트 커버리지를 보려면 python -m pytest thinc --cov=thinc 실행할 수 있습니다. 우리는 100% 테스트 범위를 목표로합니다. 그렇다고해서 모든 한 줄에 대한 테스트를 세 심하게 작성한다는 의미는 아닙니다. 테스트가 관련이 없거나 테스트하기 어려운 블록을 무시하고 테스트가 모든 코드 경로를 실행하는지 확인합니다.

확장하다

추가 정보