toolkits

أدوات DL

؟ ‍ الأدوات التحليلية لتجارب التعلم العميق؟ ‍

كلما قمت بتحليل نتائج تجربة DL ، اضطررت إلى إعادة تنفيذ وظيفة التحليل في كل مرة. لذلك ، أقوم بتنفيذ وظائف في كثير من الأحيان في هذا المستودع. تستمر تنفيذ الميزات الجديدة ، ويمكن العثور على أمثلة بسيطة لاستخدامات الوظائف في دليل examples .

تثبيت

يمكنك تثبيت الحزمة مع أمر pip . Python> = 3 مدعوم.

 pip install dl-toolkits

يمكنك التحقق من إصدار الحزمة باستخدام الأوامر التالية.

 import toolkits
print ( toolkits . __version__ )

الوحدات النمطية

التصور

• viz.tsne : مؤامرة T sne

جودة التجميع

• cluster.sse : مجموع الخطأ التربيعي (SSE) ¹
• cluster.batch_sse : مجموع الخطأ التربيعي (SSE) لإدخال الدُفعات
• cluster.nsse : SSE تطبيعها على المسافة المربعة إلى أقرب Centroid (NSSE) ¹
• cluster.batch_nsse : تم تطبيعها بواسطة المسافة المربعة إلى أقرب الوسطى المتداخل (NSSE) لإدخال الدُفعات
• cluster.nearc : Top N أقرب إلى النقطه الوسطى المتداخل
• cluster.rfc : جودة التجميع للمساحة (R_FC) ²

الجبر الخطي

• linalg.get_singular_values : احصل على قيم مفردة لكل فصل
• linalg.get_sum_of_singular_values : احصل على مجموع القيم الفردية لكل فئة
• linalg.get_average_sum_of_singular_values : احصل على متوسط ​​من مجموع القيم الفردية لكل فئة ³

طباعة جميلة

• pprint.pred_summary : طباعة بسيطة للتنبؤات والعلامات الحقيقية

محلل السجل

• parse.between_lines : استخراج السجل بين جملتين من الإدخال
• parse.between_lines_on_file : استخراج السجل بين جملتين للإدخال في الملف الهدف
• parse.between_lines_on_dir : استخراج السجل بين جملتين للإدخال في الدليل الهدف

وظيفة المساعد Pytorch

• torch_helper.freeze_selected_param : تجميد الأوزان بالاسم المحدد
• torch_helper.get_important_param_idx : احصل على مؤشرات معلمات مهمة ⁴

مراجع

Pedregosa ، فابيان ، وآخرون. "Scikit-Learn: التعلم الآلي في Python." مجلة أبحاث التعلم الآلي 12 (2011): 2825-2830.

الحواشي

1. يون ، سونغ وان ، وآخرون. "Xtarnet: تعلم استخراج التمثيل التكيف مع المهمة للتعلم القليلة المتزايدة." المؤتمر الدولي للتعلم الآلي . PMLR ، 2020. ↩ ↩ ²

2. Goldblum ، Micah ، et al. "كشف التعلم التعويضي: فهم تمثيلات الميزات لمهام قليلة." المؤتمر الدولي للتعلم الآلي . PMLR ، 2020. ↩

3. فيرما ، فيكاس ، وآخرون. "مزيج متعددة: تمثيل أفضل عن طريق الاستيفاء الحالات الخفية." المؤتمر الدولي للتعلم الآلي . PMLR ، 2019. ↩

4. Mazumder ، Pratik ، Pravendra Singh ، و Piyush Rai. "القليل من التعلم مدى الحياة." وقائع مؤتمر AAAI حول الذكاء الاصطناعي . المجلد. 35. رقم 3. 2021. ↩