torchblaze

torchblaze

رابط إلى الوثائق

حزمة Python المستندة إلى CLI توفر مجموعة من الوظائف لأداء ML من طرف إلى طرف باستخدام Pytorch.

فيما يلي مجموعة الوظائف التي توفرها الأداة:

---

• قالب flask-api : قم بإعداد مشروع Pytorch الأساسي و API القابل للعبّر قارئًا مع أمر CLI واحد. لم يكن نشر نماذج ML الخاصة بك أمرًا سهلاً أبدًا.

• اختبار ML API : بمجرد إعداد واجهة برمجة التطبيقات الخاصة بك ، اختبر جميع نقاط نهاية API لضمان حصولك على النتائج المتوقعة قبل دفع واجهة برمجة التطبيقات إلى النشر.

• التنقيب : مُسبل ، مميز واحد ، مميز ، سهلة في واجهة برمجة تطبيقات ML الخاصة بك.

• ML Model Test Suite : تأتي الحزمة مع مجموعة اختبار مدمجة تقوم بتقييم نماذج Pytorch على مجموعة من الاختبارات للبحث عن أي أخطاء قد لا يمكن تتبعها بسهولة.

فيما يلي قائمة الأوامر المتاحة:

---

• إعداد مشروع القالب:

 foo@bar:~ $ torchblaze generate_template --project_name example

• بناء صورة Docker (يتطلب تثبيت Docker):

أول قرص مضغوط إلى دليل مشروع الجذر يحتوي على ملف app.py.

 foo@bar:~ $ torchblaze generate_docker --image_name example_image

• تشغيل صورة Docker (يتطلب تثبيت Docker):

 foo@bar:~ $ torchblaze run_docker --image_name example

• إجراء اختبارات API:

أول قرص مضغوط إلى دليل مشروع الجذر يحتوي على ملف app.py.

 foo@bar:~ $ torchblaze api_tests

• إجراء اختبار النموذج:

استيراد حزمة MLTests

 import torchblaze . mltests as mls

ثم استخدم مجموعة متنوعة من طرق الاختبار المتاحة في حزمة MLTests. قم بتشغيل الأمر التالي للحصول على قائمة الأساليب المتاحة.

 dir ( mls )

للتحقق من الوثائق الخاصة بأي من الاختبارات المتاحة ، استخدم طريقة المساعدة:

 help ( mls . < method_name > )