Download do kagglehub - download do código-fonte do kagglehub

kagglehub

Outro código-fonte

release

Baixar

Biblioteca de cliente Kaggle Hub

Instalação

Instale o pacote kagglehub com pip:

 pip install kagglehub

Uso

Autenticar

A autenticação só é necessária para acessar recursos públicos que exigem o consentimento do usuário ou recursos privados.

Primeiro, você precisará de uma conta Kaggle. Você pode se inscrever aqui.

Após o login, você pode baixar suas credenciais da API Kaggle em https://www.kaggle.com/settings clicando no botão "Criar novo token" na seção "API".

Você tem 3 opções diferentes para autenticar.

Opção 1: chamar kagglehub.login()

Isso solicitará que você insira seu nome de usuário e token:

 import kagglehub

kagglehub . login ()

Opção 2: ler credenciais de variáveis de ambiente

Você também pode optar por exportar seu nome de usuário e token Kaggle para o ambiente:

 export KAGGLE_USERNAME=datadinosaur
export KAGGLE_KEY=xxxxxxxxxxxxxx

Opção 3: leia as credenciais de `kaggle.json`

Armazene seu arquivo de credenciais kaggle.json em ~/.kaggle/kaggle.json .

Como alternativa, você pode definir a variável de ambiente KAGGLE_CONFIG_DIR para alterar esse local para $KAGGLE_CONFIG_DIR/kaggle.json .

Nota para usuários do Windows: o diretório padrão é %HOMEPATH%/kaggle.json .

Opção 4: leia as credenciais dos segredos do Google Colab

Armazene seu nome de usuário e token de chave como segredos do Colab KAGGLE_USERNAME e KAGGLE_KEY .

Instruções sobre como adicionar segredos no Colab e no Colab Enterprise podem ser encontradas neste artigo.

Baixar modelo

Os exemplos a seguir baixam a variação answer-equivalence-bem deste modelo Kaggle: 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 )

Carregar modelo

Carrega uma nova variação (ou a versão de uma nova variação, se já existir).

 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" ])

Baixar conjunto de dados

Os exemplos a seguir baixam o conjunto de dados 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 )

Carregar conjunto de dados

Carrega um novo conjunto de dados (ou uma nova versão, se já existir).

 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" ])

Baixar competição

Os exemplos a seguir baixam a competição Digit Recognizer Kaggle: 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 )

Desenvolvimento

Pré-requisitos

Usamos o hatch para gerenciar este projeto.

Siga estas instruções para instalá-lo.

Testes

 # 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

Testes de Integração

Para executar testes de integração em sua máquina local, você precisa configurar suas credenciais da API Kaggle. Você pode fazer isso de uma das duas maneiras descritas nas seções anteriores deste documento. Consulte as seções:

Usando variáveis de ambiente
Usando arquivo de credenciais

Depois de configurar suas credenciais por qualquer um desses métodos, você poderá executar os testes de integração da seguinte maneira:

 # Run all tests
hatch test integration_tests

Execute `kagglehub` da fonte

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

Lint/Formato

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

# Format
hatch run lint:fmt

Relatório de cobertura

hatch test --cover

Construir

hatch build

Executando comandos de `hatch` dentro do Docker

Isso é útil para executar em um ambiente consistente e alternar facilmente entre as versões do Python.

O seguinte mostra como executar hatch run lint:all mas isso também funciona para qualquer outro comando de hachura:

 # 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

Configuração do código VS

Pré-requisitos

Instale as extensões recomendadas.

Instruções

Configure o hatch para criar um ambiente virtual na pasta do projeto.

 hatch config set dirs.env.virtual .env

Depois, crie todos os ambientes python necessários executando hatch -e all run tests .

Por fim, configure o vscode para usar um dos ambientes selecionados: cmd + shift + p -> python: Select Interpreter -> Escolha uma das pastas em ./.env

Apoiar

A biblioteca kagglehub configurou o log automático que é armazenado em uma pasta de log. O destino do log é resolvido por meio do os.path.expanduser

A tabela abaixo contém possíveis localizações:

sistema operacional	caminho do registro
osx	/usuário/$NOME DE USUÁRIO/.kaggle/logs/kagglehub.log
linux	~/.kaggle/logs/kagglehub.log
Windows	C:Usuários%NOME DE USUÁRIO%.kagglelogskagglehub.log

Inclua o log para ajudar a solucionar problemas.

Expandir

Informações adicionais

Versão release
Tipo Outro código-fonte
Data da Última Atualização 2024-11-05
tamanho
Idioma Chinês Simplificado

Aplicativos Relacionados

Recomendado para você

Informações Relacionadas Todos

Comentários dos Usuários

kagglehub

Biblioteca de cliente Kaggle Hub

Instalação

Uso

Autenticar

Opção 1: chamar kagglehub.login()

Opção 2: ler credenciais de variáveis de ambiente

Opção 3: leia as credenciais de `kaggle.json`

Opção 4: leia as credenciais dos segredos do Google Colab

Baixar modelo

Carregar modelo

Baixar conjunto de dados

Carregar conjunto de dados

Baixar competição

Desenvolvimento

Pré-requisitos

Testes

Testes de Integração

Execute `kagglehub` da fonte

Lint/Formato

Relatório de cobertura

Construir

Executando comandos de `hatch` dentro do Docker

Configuração do código VS

Pré-requisitos

Instruções

Apoiar

Bidi Film and Television bdys versão Android

Baixar jogo Assault Lily

Código-fonte do sistema de pagamento de conhecimento丨Conteúdo educacional on-line realização de conhecimento pago丨Vídeo Q&A gráfico de curso pago personalização de miniprograma H5

Edição Plants vs. Zombies Westward Journey

Versão híbrida PVZ 2.3.5 versão do menu integrado

Mod DLC de ruído da torre de pizza

Simulador de família Happy Block House móvel

Reparar instalação de escape de metrô com gancho

Jogo para celular BodyCam

kagglehub

Biblioteca de cliente Kaggle Hub

Instalação

Uso

Autenticar

Opção 1: chamar kagglehub.login()

Opção 2: ler credenciais de variáveis ​​de ambiente

Opção 3: leia as credenciais de kaggle.json

Opção 4: leia as credenciais dos segredos do Google Colab

Baixar modelo

Carregar modelo

Baixar conjunto de dados

Carregar conjunto de dados

Baixar competição

Desenvolvimento

Pré-requisitos

Testes

Testes de Integração

Execute kagglehub da fonte

Lint/Formato

Relatório de cobertura

Construir

Executando comandos de hatch dentro do Docker

Configuração do código VS

Pré-requisitos

Instruções

Apoiar

Opção 2: ler credenciais de variáveis de ambiente

Opção 3: leia as credenciais de `kaggle.json`

Execute `kagglehub` da fonte

Executando comandos de `hatch` dentro do Docker