thinc

thinc：深入学习的令人耳目一新的功能，与您最喜欢的图书馆兼容

来自Spacy和Prodigy的制造商

THINC是一个轻巧的深度学习库，为构图提供了优雅，类型检查的功能编程API，并提供了对Pytorch，Tensorflow和MXNet等其他框架中定义的层次的支持。您可以将THINC用作接口层，独立工具包或开发新型号的灵活方法。 THINC的先前版本一直在数千家公司中通过Spacy和Prodigy安静地生产。我们编写了新版本，以使用户与他们喜欢的框架构建，配置和部署自定义模型。

特征

• 使用自定义类型和mypy插件来检查模型定义。
• 将Pytorch ， TensorFlow和MXNET模型包装在网络中。
• 简明的功能编程方法，使用构图而不是继承。
• 可选的自定义插图表示通过操作员过载。
• 集成配置系统来描述对象和超参数的树。
• 选择可扩展的后端。
• 阅读更多→

Quickstart

THINC与Python 3.6+兼容，并且在Linux ， MacOS和Windows上运行。 PIP可从PIP获得最新的带有二元车轮的版本。在安装THINC及其依赖项之前，请确保您的pip ， setuptools和wheel是最新的。对于最近的发行版，建议使用PIP 19.3或更新。

pip install -U pip setuptools wheel
pip install thinc

有关不同后端和GPU的可选依赖项的详细信息，请参见扩展安装文档。您可能还需要设置静态类型检查以利用THINC的类型系统。

配x如果您已经安装了Pytorch，并且正在使用Python 3.7+，请用pip uninstall dataclasses dataclasses卸载数据元，因为Pytorch可能已经安装了Pytorch，并且与Python 3.7+不兼容。

？选定的示例和笔记本

另请参见/examples目录和使用文档以获取更多示例。大多数示例是Jupyter笔记本 - 要在Google Colab上启动它们（并在GPU支持！）上单击笔记本名称旁边的按钮。

笔记本	描述
intro_to_thinc	您需要知道的一切才能开始。使用配置文件，注册自定义功能并包装Pytorch，TensorFlow和MXNET模型，在MNIST数据上构图和培训模型。
transformers_tagger_bert	如何使用Thinc， transformers和Pytorch训练言论的标记器。从模型定义和配置到训练循环。
pos_tagger_basic_cnn	实施和培训基本的CNN，用于无外部依赖性并使用不同级别的THINC配置系统的词性标记模型。
parallel_training_ray	如何通过THINC和RAIN设置同步和异步参数服务器培训。

查看更多→

文档和使用指南

文档	描述
介绍	您需要知道的一切。
概念与设计	Thinc的概念模型及其工作原理。
定义和使用模型	如何撰写模型和更新状态。
配置系统	THINC的配置系统和功能注册表。
集成Pytorch，TensorFlow和MXNET	与机器学习框架的互操作性
层API	权重层，转换，组合器和包装纸。
类型检查	键入检查您的模型定义等等。

？什么地方

模块	描述
thinc.api	面向用户的API。所有类和功能都应从这里导入。
thinc.types	自定义类型和数据类别。
thinc.model	Model类。所有THINC模型都是Model的实例（不是子类）。
thinc.layers	图层。每个层都在其自己的模块中实现。
thinc.shims	Pytorch，TensorFlow等实现的外部模型的接口。
thinc.loss	计算损失的功能。
thinc.optimizers	功能以创建优化器。目前支持“ Vanilla” SGD，Adam和Radam。
thinc.schedules	发电机的不同速率，时间表，衰减或系列。
thinc.backends	后端用于numpy和cupy 。
thinc.config	配置解析，验证和功能注册表系统。
thinc.util	实用程序和辅助功能。

？开发说明

Thinc使用black自动形成， flake8 for linting和mypy进行类型检查。所有代码均与Python 3.6+兼容，并在可能的情况下具有类型提示。有关THINC自定义类型的更多详细信息，请参见类型参考。

‍♀️从来源建立thinc

从源头建造THINC要求需要安装requirements.txt中列出的完整依赖项。您还需要一个编译器来构建C扩展名。

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 .

或者，以可编辑模式安装：

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

或通过设置PYTHONPATH ：

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

？运行测试

Thinc带有广泛的测试套件。以下所有内容都应通过，并且不报告任何警告或错误：

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

要查看测试覆盖范围，您可以运行python -m pytest thinc --cov=thinc 。我们的目标是100％的测试覆盖率。这并不意味着我们会精心编写每一行的测试 - 我们忽略了无关或难以测试的块，并确保测试执行所有代码路径。