torchblaze

횃불

문서에 대한 링크

Pytorch를 사용하여 엔드 투 엔드 ML을 수행 할 수있는 기능 제품군을 제공하는 CLI 기반 Python 패키지.

다음은 도구에서 제공하는 기능 세트입니다.

---

• FLASK-API 템플릿 : 기본 Pytorch 프로젝트 스터 utture 및 단일 CLI 명령으로 쉽게 조정할 수있는 Flask-Restful API를 설정하십시오. ML 모델을 배포하는 것은 결코 쉬운 일이 아닙니다.

• ML API 테스트 : API를 설정 한 후에는 API를 배포하기 전에 모든 API 엔드 포인트를 테스트하여 예상 결과를 얻으십시오.

• Dockerizing : ML API를위한 단순화되고 단일 명령, 쉬운 dockerization.

• ML 모델 테스트 스위트 : 패키지에는 테스트 세트를 통해 Pytorch 모델을 평가하여 쉽게 추적 할 수없는 오류를 찾는 내장 테스트 스위트가 제공됩니다.

사용 가능한 명령 목록은 다음과 같습니다.

---

• 템플릿 프로젝트 설정 :

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

• Docker Image 구축 (Docker 설치 필요) :

App.py 파일을 포함하는 루트 프로젝트 디렉토리의 첫 번째 CD.

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

• Docker Image 실행 (Docker 설치 필요) :

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

• API 테스트 수행 :

App.py 파일을 포함하는 루트 프로젝트 디렉토리의 첫 번째 CD.

 foo@bar:~ $ torchblaze api_tests

• 모델 테스트 수행 :

mltests 패키지를 가져옵니다

 import torchblaze . mltests as mls

그런 다음 MLTESTS 패키지에서 사용 가능한 다양한 테스트 방법을 사용하십시오. 사용 가능한 메소드 목록을 얻으려면 다음 명령을 실행하십시오.

 dir ( mls )

사용 가능한 테스트 중 문서를 확인하려면 도움말 방법을 사용하십시오.

 help ( mls . < method_name > )