livelossplot
1.0.0
لا تدرب نماذج التعلم العميق معصوب العينين! كن صبرًا وانظر إلى كل عصر من تدريبك!
(التغييرات الحديثة ، أمثلة في كولاب ، بحث API ، رمز)
مؤامرة لخسارة التدريب المباشر في دفتر Jupyter لـ Keras و Pytorch وغيرها من الأطر. حزمة بيثون مفتوحة المصدر من قبل بيوتر ميغدا ، بارتوميج أوليشنو وغيرها. مفتوح للتعاون! (بعض المهام بسيطة مثل كتابة Docstrings ، لذلك - لا أعذار! :))
from livelossplot import PlotLossesKeras
model . fit ( X_train , Y_train ,
epochs = 10 ,
validation_data = ( X_test , Y_test ),
callbacks = [ PlotLossesKeras ()],
verbose = 0 )لتثبيت هذا الإصدار من PYPI ، اكتب:
pip install livelossplotللحصول على أحدث واحدة من هذا الريبو (لاحظ أننا في مرحلة ألفا ، لذلك قد تكون هناك تحديثات متكررة) ، اكتب:
pip install git+git://github.com/stared/livelossplot.gitانظر إلى ملفات دفاتر الملاحظات مع أمثلة عمل كاملة:
يمكنك تشغيل أمثلة في كولاب.
سجلات النصية سهلة ، لكن من السهل تفويت المعلومات الأكثر أهمية: هل هو التعلم ، لا يفعل شيئًا أم لا يتجاوز؟ تتيح لنا التعليقات المرئية تتبع عملية التدريب. الآن هناك واحد ل jupyter.
إذا كنت ترغب في الحصول على جدية - استخدم Tensorboard ،. ولكن ماذا لو كنت تريد فقط تدريب نموذج صغير في دفتر Jupyter؟ فيما يلي طريقة للقيام بذلك ، باستخدام livelossplot كمكون توصيل وتشغيل
PlotLosses لواجهة برمجة التطبيقات العامة.
plotlosses = PlotLosses()
plotlosses.update({'acc': 0.7, 'val_acc': 0.4, 'loss': 0.9, 'val_loss': 1.1})
plot.send() # draw, update logs, etc
هناك عمليات استراحة للمكتبات والأطر المشتركة: PlotLossesKeras ، PlotLossesKerasTF ، PlotLossesPoutyne ، PlotLossesIgnite .
اشعر بالدعوة للكتابة والمساهمة ، محولك. إذا كنت ترغب في استخدام مسجل عاري ، فهناك MainLogger .
المؤامرات: MatplotlibPlot ، BokehPlot .
Loggers: ExtremaPrinter (إلى الإخراج القياسي) ، TensorboardLogger ، TensorboardTFLogger ، NeptuneLogger .
لاستخدامها ، تهيئة مخططات مع بعض المخرجات:
plotlosses = PlotLosses(outputs=[MatplotlibPlot(), TensorboardLogger()])
هناك مخططات matplotlib مخصصة في livelossplot.outputs.matplotlib_subplots يمكنك تمريرها في وسيطات MatplotlibPlot .
إذا كنت ترغب في رسم مع Bokeh بدلاً من Matplotlib ، فاستخدم
plotlosses = PlotLosses(outputs=[BokehPlot()])
هذا المشروع بدعم من Jacek Migdał و Marek Cichy و Casper Da Costa-Luis و Piotr Zientara. انضم إلى الرعاة - إظهار ❤ ودعمك ، وظهر في القائمة! سيعطيني الوقت والطاقة للعمل في هذا المشروع.
يتم دعم هذا المشروع أيضًا من قبل برنامج أوروبي للبرنامج inteligentny rozwój من أجل التروس - بناء محرك سلوك السيارات ذات العجلات وجيل الخريطة استنادًا إلى خوارزميات الذكاء الاصطناعي التي تم تنفيذها على منصة Unreal Engine التي تقودها ألعاب ECC (NCBR Grant Gameinn).
بدأت مثل هذا الجوهر. نظرًا لأنها أصبحت شعبية ، فقد قررت إعادة كتابتها كحزمة.
أوه ، وأنا مهتم بشكل عام بالبيانات ، انظر مخططات بسيطة من الشبكات العصبية المعقدة (ونظرة عامة على مخططات هندسة التعلم العميق):
الرسم البياني الجيد يستحق ألف معادلة - دعنا نخلق المزيد من هذه!
... أو مشاريع بيانات البيانات الأخرى الخاصة بي.
إذا كنت تريد المزيد من الوظائف - افتح مشكلة أو حتى أفضل - قم بإعداد طلب سحب.
