torchblaze

トーチブレイズ

ドキュメントへのリンク

Pytorchを使用してエンドツーエンドMLを実行するための一連の機能を提供するCLIベースのPythonパッケージ。

以下は、ツールによって提供される機能のセットです。

---

• Flask-APIテンプレート：基本的なPytorch Project Sturcureと、単一のCLIコマンドを備えた簡単に微調整可能なFlask Restful APIをセットアップします。 MLモデルを展開することはこれまでになく簡単になりました。

• ML APIのテスト：APIをセットアップしたら、APIのエンドポイントをすべてテストして、APIを展開する前に予想される結果を確実に取得します。

• Dockerizing ：ML APIのための簡略化された単一委員会の簡単なドキュカリゼーション。

• MLモデルテストスイート：パッケージには、一連のテストでPytorchモデルを評価する組み込みのテストスイートが付属しており、他の方法では簡単にトレーサできない可能性のあるエラーを探します。

利用可能なコマンドのリストは次のとおりです。

---

• テンプレートプロジェクトの設定：

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

• Docker画像の構築（Dockerがインストールされる必要があります）：

App.pyファイルを含むルートプロジェクトディレクトリへの最初のCD。

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

• Docker画像を実行します（インストールされたDockerが必要です）：

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

• APIテストの実行：

App.pyファイルを含むルートプロジェクトディレクトリへの最初のCD。

 foo@bar:~ $ torchblaze api_tests

• モデルテストの実行：

mltestsパッケージをインポートします

 import torchblaze . mltests as mls

次に、MLTestsパッケージで利用可能なさまざまなテスト方法を使用します。次のコマンドを実行して、利用可能な方法のリストを取得します。

 dir ( mls )

利用可能なテストのいずれかについてドキュメントを確認するには、ヘルプ方法を使用します。

 help ( mls . < method_name > )