mead baseline

ミード

Meadは、NLPの再現可能な深い学習研究と高速モデル開発のためのライブラリです。データの負荷、モデル開発、トレーニング、実験の追跡、生産へのエクスポートのための簡単に拡張可能な抽象化と実装を提供します。

また、さまざまなNLPタスクの高性能ディープラーニングモデルの実装を提供し、新しく開発されたモデルを比較できます。深い学習実験は再現するのが難しく、ミードはそれらを追跡する機能を提供します。目標は、研究者がモデル開発に集中できるようにし、繰り返しのタスクを図書館に委任できるようにすることです。

ドキュメント

Colabを使用したチュートリアル

ミードハブ

インストール

ピップ

ベースラインは、Pythonパッケージとしてインストールできます。

pip install mead-baseline

tensorflow_addonsが既にインストールされているか、次を直接インストールする必要があります。

pip install mead-baseline[tf2]

リポジトリから

この再投稿のクローンがあり、そこからインストールしたい場合：

 cd layers
pip install -e .
cd ../
pip install -e .

これにより、最初に8マイル別名8マイル、PytorchとTensorflow Primitivesを含む小さなレイヤーAPI、局所的に、次にmead-baseline mead-layersをインストールします。

DockerHub

GitHub CI/CDを使用して、このプロジェクトを介してTensorflowとPytorchを自動的にリリースします。

https://github.com/mead-ml/mead-gpu

最新のDockerHub画像へのリンクはそこにあります

バージョンに関するメモ

深い学習フレームワークは迅速に進化しており、変更は常に逆方向に互換性があるとは限りません。下で使用されているフレームワークの最近のバージョンをお勧めします。現在、TFバージョン2.1.0および2.4.1でテストしています。 Pytorchバックエンドには、少なくともバージョン1.3.0が必要ですが、最近のバージョンを使用することをお勧めします。

引用

ライブラリを使用する場合は、次の論文を引用してください。

 @InProceedings{W18-2506,
  author =    "Pressel, Daniel
               and Ray Choudhury, Sagnik
               and Lester, Brian
               and Zhao, Yanjie
               and Barta, Matt",
  title =     "Baseline: A Library for Rapid Modeling, Experimentation and
               Development of Deep Learning Algorithms targeting NLP",
  booktitle = "Proceedings of Workshop for NLP Open Source Software (NLP-OSS)",
  year =      "2018",
  publisher = "Association for Computational Linguistics",
  pages =     "34--40",
  location =  "Melbourne, Australia",
  url =       "http://aclweb.org/anthology/W18-2506"
}

Meadは、2018年のNeurips Mloss Workshopのスポットライトポスターに選ばれました。OpenReviewリンク

謝辞

• GoogleのTPU Research Cloud（TRC）のクラウドTPUでサポートされている研究