py_fresh

Template Repo pour les projets Python.

Un référentiel de modèles pour faire tous les projets d'apprentissage automatique.

Comment cela accélère votre développement de python

La plupart des gens ont du mal à emballer leur code Python et ne savent pas comment configurer le référentiel pour cela.

Si le référentiel est configuré de manière erronée, il deviendrait difficile d'emballer et de déployer le code plus tard.

Ce référentiel vous donne les batteries requises pour emballer votre code, les vérifications CI, la construction automatique et le déploiement des documents, la prise en charge de la publication PYPI facile et les fichiers Docker.

Cela sert de modèle pour que ces choses soient rapidement configurées dans votre dépôt. Les compositions d'apprentissage automatique créées à partir de ce modèle peuvent facilement être déployées et expédiées. Il devient également sans tracas et facile à déboguer.

Vous pouvez ajouter votre code dans le dossier template_python . Puisqu'il s'agit d'un package, assurez-vous que les importations proviennent de la racine. IE from template_python import stuff

Comment utiliser ceci: -

• Choisissez Utiliser cette option Repo comme modèle dans GitHub.
• Cela devrait créer un repo dans votre compte GitHub.

Fichiers à modifier pour configurer votre projet.

• Vous devrez modifier certains fichiers afin de renommer cela de template_python à votre nom de répension requis.
• Remplacez simplement pip install git+git://github.com/oke-aditya/template_python.git dans le mk-docs-build.yml et mk-docs-deploy.yml workflows dans .github avec votre URL Git de package. Cela mettra en place des documents.
• Veuillez modifier tous les fichiers .md pour inclure la description dont vous avez besoin.
• Modifiez les requirements.txt et requirements-extra.txt (éventuellement).
• Modifiez les fichiers .gitingore et .dockerignore si quelque chose de plus est nécessaire. J'ai inclus la plupart des trucs.
• Modifiez les settings.ini et setup.py (éventuellement). Vous avez peut-être besoin de votre nom et de différentes exigences. Encore une fois, la plupart des choses sont là, vous devez ajouter de très petits ajustements.
• Modifiez la LICENSE dont vous pourriez en avoir besoin.
• Modifiez le dossier DOCS. Il est construit à l'aide de mkdocs.org. Vous pouvez vous référer aux MKDOC pour en savoir plus sur l'édition DOCS. Ce ne sont que des documents minimalistes qui font le travail.
• Ajouter éventuellement des tests au dossier tests à l'aide de pytest .

Veuillez également lire les fichiers README qui sont présents dans les dossiers. Ils vous aideront et vous guideront également pour configurer des trucs.

J'ai besoin d'aide pour configurer mon projet

• Si vous confrontez des problèmes à la mise en place du projet, soulevez un problème. Je serais heureux d'aider.
• Si vous avez quelques suggestions et ajouts que vous souhaitez, veuillez lever un RP. Je serais heureux de fusionner.

Projets construits à l'aide de ce modèle.

Remarque: - Ces références ont peut-être détourné un peu de ce modèle.

• Pytorch CNN Trainer.
• Intel de la mode
• Similitude de l'image pytorch
• QuickText: un cadre de détection de texte rapide et simple

Soulevez un PR si vous avez construit votre projet avec ce modèle et je l'ajouterai ici !!

Inspirations: -

Ce modèle a été créé en utilisant de nombreux référentiels, il comprend ces

• fastai nbdev
• Fabriqué avec ML Baillerplate.
• Foudre pytorch
• Glace

Énorme crédit à ces références, il serait difficile de le faire sans eux.

Ce modèle est différent de ci-dessus car cela met l'accent sur le code de regroupement dans les packages et les conteneurs Python assurant ainsi la portabilité.