torchblaze

Torchblaze

Tautan ke dokumentasi

Paket Python berbasis CLI yang menyediakan serangkaian fungsionalitas untuk melakukan ML end-to-end menggunakan Pytorch.

Berikut ini adalah himpunan fungsi yang disediakan oleh alat:

---

• Template Flask-API : Siapkan sturcture proyek Pytorch dasar dan API-Restful Flask yang mudah diubah dengan perintah CLI tunggal. Menyebarkan model ML Anda tidak pernah semudah itu.

• Uji API ML : Setelah Anda mengatur API Anda, uji semua titik akhir API untuk memastikan Anda mendapatkan hasil yang diharapkan sebelum mendorong API Anda ke penempatan.

• Dockerizing : Dockerisasi mudah, single-command, mudah untuk ML API Anda.

• ML Model Test Suite : Paket ini dilengkapi dengan rangkaian uji bawaan yang mengevaluasi model Pytorch Anda selama satu set tes untuk mencari kesalahan yang jika tidak mungkin tidak dapat dilacak dengan mudah.

Berikut adalah daftar perintah yang tersedia:

---

• Menyiapkan Proyek Template:

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

• Membangun Gambar Docker (Perlu Docker Terpasang):

CD pertama ke direktori proyek root yang berisi file app.py.

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

• Jalankan gambar Docker (membutuhkan Docker terpasang):

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

• Melakukan tes API:

CD pertama ke direktori proyek root yang berisi file app.py.

 foo@bar:~ $ torchblaze api_tests

• Melakukan Pengujian Model:

Impor paket mltests

 import torchblaze . mltests as mls

Kemudian gunakan berbagai metode pengujian yang tersedia dalam paket MLTESTS. Jalankan perintah berikut untuk mendapatkan daftar metode yang tersedia.

 dir ( mls )

Untuk memeriksa dokumentasi untuk salah satu tes yang tersedia, gunakan metode bantuan:

 help ( mls . < method_name > )