pytorch_tabular
v1.1.1
يهدف Pytorch Tabular إلى جعل التعلم العميق مع بيانات جدولة سهلة ويمكن الوصول إليها في الحالات الحقيقية والبحث على حد سواء. المبادئ الأساسية وراء تصميم المكتبة هي:
لقد تم بناؤه على أكتاف العمالقة مثل Pytorch (من الواضح) ، وبرق Pytorch .
على الرغم من أن التثبيت يتضمن Pytorch ، فإن أفضل طريقة موصى بها هي تثبيت Pytorch أولاً من هنا ، والتقاط إصدار CUDA الأيمن لجهازك.
مرة واحدة ، قمت بتثبيت Pytorch ، فقط استخدم:
pip install -U “pytorch_tabular[extra]”لتثبيت المكتبة الكاملة مع تبعيات إضافية (الأوزان والتحيزات والخطط).
و :
pip install -U “pytorch_tabular”للضروريات العارية.
يمكن تنزيل مصادر pytorch_tabular من Github repo _.
يمكنك إما استنساخ المستودع العام:
git clone git://github.com/manujosephv/pytorch_tabularبمجرد حصولك على نسخة من المصدر ، يمكنك تثبيته بـ:
cd pytorch_tabular && pip install .[extra]للحصول على وثائق كاملة مع البرامج التعليمية تفضل بزيارة readTheDocs
التعلم شبه الخاضع للإشراف
لتنفيذ نماذج جديدة ، راجع كيفية تنفيذ تعليمي نماذج جديدة. ويغطي البنى الأساسية والمتقدمة.
from pytorch_tabular import TabularModel
from pytorch_tabular . models import CategoryEmbeddingModelConfig
from pytorch_tabular . config import (
DataConfig ,
OptimizerConfig ,
TrainerConfig ,
ExperimentConfig ,
)
data_config = DataConfig (
target = [
"target"
], # target should always be a list.
continuous_cols = num_col_names ,
categorical_cols = cat_col_names ,
)
trainer_config = TrainerConfig (
auto_lr_find = True , # Runs the LRFinder to automatically derive a learning rate
batch_size = 1024 ,
max_epochs = 100 ,
)
optimizer_config = OptimizerConfig ()
model_config = CategoryEmbeddingModelConfig (
task = "classification" ,
layers = "1024-512-512" , # Number of nodes in each layer
activation = "LeakyReLU" , # Activation between each layers
learning_rate = 1e-3 ,
)
tabular_model = TabularModel (
data_config = data_config ,
model_config = model_config ,
optimizer_config = optimizer_config ,
trainer_config = trainer_config ,
)
tabular_model . fit ( train = train , validation = val )
result = tabular_model . evaluate ( test )
pred_df = tabular_model . predict ( test )
tabular_model . save_model ( "examples/basic" )
loaded_model = TabularModel . load_model ( "examples/basic" )مانو جوزيف | Jirka Borovec | جينو سونيل | برنامج الاصطناعي | سورين ماكبث | كريس فونسبيك |
Snehil Chatterjee | باطل | أبهيشار سينها | أندرياس | Charitarth Chugh | إيرلي |
باطل | كوشاشوا رافي شريميالي | لوكا أكتيس جروسو | الجنيه الاسترليني ج. بيرد | تيك منغ | يينو ني |
يونيبرسلر | ليو تشن |
إذا كنت تستخدم Pytorch Tabular لنشر علمي ، فسنقدر الاستشهادات للبرنامج المنشور والورقة التالية:
@misc{joseph2021pytorch,
title={PyTorch Tabular: A Framework for Deep Learning with Tabular Data},
author={Manu Joseph},
year={2021},
eprint={2104.13638},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
@software{manu_joseph_2023_7554473,
author = {Manu Joseph and
Jinu Sunil and
Jiri Borovec and
Chris Fonnesbeck and
jxtrbtk and
Andreas and
JulianRein and
Kushashwa Ravi Shrimali and
Luca Actis Grosso and
Sterling G. Baird and
Yinyu Nie},
title = {manujosephv/pytorch_tabular: v1.0.1},
month = jan,
year = 2023,
publisher = {Zenodo},
version = {v1.0.1},
doi = {10.5281/zenodo.7554473},
url = {https://doi.org/10.5281/zenodo.7554473}
}
