toolkits

Toolkit DL

? ‍ Alat analitik untuk eksperimen pembelajaran mendalam? ‍

Setiap kali saya menganalisis hasil percobaan DL, saya harus mengimplementasikan kembali fungsi analisis setiap saat. Jadi, saya menerapkan fungsi yang sering digunakan dalam repositori ini. Fitur baru terus diimplementasikan, dan contoh -contoh sederhana penggunaan fungsi dapat ditemukan di direktori examples .

Instalasi

Anda dapat menginstal Paket dengan pip Command. Python> = 3 didukung.

 pip install dl-toolkits

Anda dapat memeriksa versi paket menggunakan perintah berikut.

 import toolkits
print ( toolkits . __version__ )

Modul

Visualisasi

• viz.tsne : plot t-sne

Kualitas pengelompokan

• cluster.sse : jumlah kesalahan kuadrat (sse) ¹
• cluster.batch_sse : jumlah kesalahan kuadrat (SSE) untuk input batch
• cluster.nsse : SSE dinormalisasi dengan jarak kuadrat ke centroid interfering terdekat (NSSE) ¹
• cluster.batch_nsse : SSE dinormalisasi dengan jarak kuadrat ke centroid interfering terdekat (NSSE) untuk input batch
• cluster.nearc : Top n terdekat dengan centroid interfering
• cluster.rfc : fitur ruang clustering kualitas (r_fc) ²

Aljabar linier

• linalg.get_singular_values : Dapatkan nilai tunggal per kelas
• linalg.get_sum_of_singular_values : Dapatkan jumlah nilai tunggal per kelas
• linalg.get_average_sum_of_singular_values : Dapatkan rata -rata jumlah nilai singular per kelas ³

Cetak cantik

• pprint.pred_summary : Cetak sederhana untuk prediksi dan label sejati

Parser log

• parse.between_lines : Ekstrak log antara dua kalimat input
• parse.between_lines_on_file : Ekstrak log antara dua kalimat input pada file target
• parse.between_lines_on_dir : Ekstrak log antara dua kalimat input pada direktori target

Fungsi Pembantu Pytorch

• torch_helper.freeze_selected_param : bekukan bobot dengan nama yang dipilih
• torch_helper.get_important_param_idx : Dapatkan indeks parameter penting ⁴

Referensi

Pedregosa, Fabian, dkk. "Scikit-Learn: Pembelajaran Mesin di Python." The Journal of Machine Learning Research 12 (2011): 2825-2830.

Catatan kaki

1. Yoon, Sung Whan, dkk. "XTarnet: Belajar mengekstraksi representasi adaptif tugas untuk pembelajaran beberapa-shot tambahan." Konferensi Internasional tentang Pembelajaran Mesin . PMLR, 2020. ↩ ↩ ²

2. Goldblum, Micah, dkk. "Mengurai Meta-Pembelajaran: Memahami Representasi Fitur untuk beberapa tugas." Konferensi Internasional tentang Pembelajaran Mesin . PMLR, 2020. ↩

3. Verma, Vikas, dkk. "Manifold Mixup: Representasi yang lebih baik dengan menginterpolasi keadaan tersembunyi." Konferensi Internasional tentang Pembelajaran Mesin . PMLR, 2019. ↩

4. Mazumder, Pratik, Pravendra Singh, dan Piyush Rai. "Pembelajaran seumur hidup." Prosiding Konferensi AAAI tentang Kecerdasan Buatan . Vol. 35. No. 3. 2021. ↩