skorch
Version 1.0.0
Perpustakaan jaringan saraf yang kompatibel dengan scikit-learn yang membungkus pytorch.
Untuk melihat lebih banyak contoh rumit, lihat di sini.
import numpy as np
from sklearn . datasets import make_classification
from torch import nn
from skorch import NeuralNetClassifier
X , y = make_classification ( 1000 , 20 , n_informative = 10 , random_state = 0 )
X = X . astype ( np . float32 )
y = y . astype ( np . int64 )
class MyModule ( nn . Module ):
def __init__ ( self , num_units = 10 , nonlin = nn . ReLU ()):
super (). __init__ ()
self . dense0 = nn . Linear ( 20 , num_units )
self . nonlin = nonlin
self . dropout = nn . Dropout ( 0.5 )
self . dense1 = nn . Linear ( num_units , num_units )
self . output = nn . Linear ( num_units , 2 )
self . softmax = nn . Softmax ( dim = - 1 )
def forward ( self , X , ** kwargs ):
X = self . nonlin ( self . dense0 ( X ))
X = self . dropout ( X )
X = self . nonlin ( self . dense1 ( X ))
X = self . softmax ( self . output ( X ))
return X
net = NeuralNetClassifier (
MyModule ,
max_epochs = 10 ,
lr = 0.1 ,
# Shuffle training data on each epoch
iterator_train__shuffle = True ,
)
net . fit ( X , y )
y_proba = net . predict_proba ( X )Dalam pipa sklearn:
from sklearn . pipeline import Pipeline
from sklearn . preprocessing import StandardScaler
pipe = Pipeline ([
( 'scale' , StandardScaler ()),
( 'net' , net ),
])
pipe . fit ( X , y )
y_proba = pipe . predict_proba ( X )Dengan pencarian grid:
from sklearn . model_selection import GridSearchCV
# deactivate skorch-internal train-valid split and verbose logging
net . set_params ( train_split = False , verbose = 0 )
params = {
'lr' : [ 0.01 , 0.02 ],
'max_epochs' : [ 10 , 20 ],
'module__num_units' : [ 10 , 20 ],
}
gs = GridSearchCV ( net , params , refit = False , cv = 3 , scoring = 'accuracy' , verbose = 2 )
gs . fit ( X , y )
print ( "best score: {:.3f}, best params: {}" . format ( gs . best_score_ , gs . best_params_ ))Skorch juga menyediakan banyak fitur yang nyaman, antara lain:
Skorch membutuhkan Python 3.9 atau lebih tinggi.
Anda memerlukan instalasi Conda yang berfungsi. Dapatkan miniconda yang benar untuk sistem Anda dari sini.
Untuk menginstal Skorch, Anda perlu menggunakan saluran Conda-Forge:
conda install -c conda-forge skorchKami merekomendasikan untuk menggunakan lingkungan virtual Conda.
Catatan : Saluran Conda tidak dikelola oleh pengelola Skorch. Informasi lebih lanjut tersedia di sini.
Untuk menginstal dengan PIP, jalankan:
python -m pip install -U skorchSekali lagi, kami sarankan untuk menggunakan lingkungan virtual untuk ini.
Jika Anda ingin menggunakan tambahan terbaru untuk Skorch atau membantu pengembangan, Anda harus menginstal Skorch dari Sumber.
Untuk menginstal Skorch dari sumber menggunakan conda, lanjutkan sebagai berikut:
git clone https://github.com/skorch-dev/skorch.git
cd skorch
conda create -n skorch-env python=3.10
conda activate skorch-env
conda install -c pytorch pytorch
python -m pip install -r requirements.txt
python -m pip install .Jika Anda ingin membantu berkembang, jalankan:
git clone https://github.com/skorch-dev/skorch.git
cd skorch
conda create -n skorch-env python=3.10
conda activate skorch-env
conda install -c pytorch pytorch
python -m pip install -r requirements.txt
python -m pip install -r requirements-dev.txt
python -m pip install -e .
py.test # unit tests
pylint skorch # static code checksAnda dapat menyesuaikan versi Python dengan salah satu versi Python yang didukung.
Untuk PIP, ikuti instruksi ini sebagai gantinya:
git clone https://github.com/skorch-dev/skorch.git
cd skorch
# create and activate a virtual environment
python -m pip install -r requirements.txt
# install pytorch version for your system (see below)
python -m pip install .Jika Anda ingin membantu berkembang, jalankan:
git clone https://github.com/skorch-dev/skorch.git
cd skorch
# create and activate a virtual environment
python -m pip install -r requirements.txt
# install pytorch version for your system (see below)
python -m pip install -r requirements-dev.txt
python -m pip install -e .
py.test # unit tests
pylint skorch # static code checksPytorch tidak dicakup oleh dependensi, karena versi Pytorch yang Anda butuhkan bergantung pada OS dan perangkat Anda. Untuk instruksi instalasi untuk Pytorch, kunjungi situs web Pytorch. Skorch secara resmi mendukung empat versi Pytorch minor terakhir, yang saat ini adalah:
Namun, itu tidak berarti bahwa versi yang lebih lama tidak berfungsi, hanya saja mereka tidak diuji. Karena Skorch sebagian besar bergantung pada bagian stabil API Pytorch, versi Pytorch yang lebih tua harus bekerja dengan baik.
Secara umum, menjalankan ini untuk menginstal pytorch harus berfungsi:
# using conda:
conda install pytorch pytorch-cuda -c pytorch
# using pip
python -m pip install torch
