toolkits

DL 툴킷

? deep 딥 러닝 실험을위한 분석 도구? ‍

DL 실험 결과를 분석 할 때마다 매번 분석 기능을 다시 구현해야했습니다. 따라서이 저장소에서 자주 사용되는 기능을 구현합니다. 새로운 기능이 계속 구현되며, 기능 사용의 간단한 예는 examples 디렉토리에서 찾을 수 있습니다.

설치

pip 명령으로 패키지를 설치할 수 있습니다. Python> = 3이 지원됩니다.

 pip install dl-toolkits

다음 명령을 사용하여 패키지 버전을 확인할 수 있습니다.

 import toolkits
print ( toolkits . __version__ )

모듈

심상

• viz.tsne : t-sne 플롯

클러스터링 품질

• cluster.sse : 제곱 오류의 합 (SSE) ¹
• cluster.batch_sse : 배치 입력에 대한 제곱 오류 (SSE)의 합계
• cluster.nsse : SSE는 가장 가까운 간섭 중심 (NSSE)까지 제곱 거리에 의해 정규화됩니다 ¹
• cluster.batch_nsse : 배치 입력을 위해 가장 가까운 간섭 중심 (NSSE)까지 제곱 거리에 의해 정규화 된 SSE
• cluster.nearc : 가장 가까운 간섭 중심
• cluster.rfc : 기능 공간 클러스터링 품질 (R_FC) ²

선형 대수

• linalg.get_singular_values ​​: 클래스 당 단일 값을 얻습니다
• linalg.get_sum_of_singular_values ​​: 클래스 당 단일 값의 합을 얻으십시오
• linalg.get_average_sum_of_singular_values ​​: 클래스 ³ 당 단일 값의 평균을 얻으십시오.

예쁜 인쇄

• pprint.pred_summary : 예측 및 실제 레이블을위한 간단한 인쇄

로그 파서

• parse.between_lines : 두 입력 문장 사이의 로그 추출
• parse.between_lines_on_file : 대상 파일의 두 입력 문장 사이의 로그를 추출합니다.
• parse.between_lines_on_dir : 대상 디렉토리의 두 입력 문장 사이의 로그를 추출하십시오.

Pytorch 도우미 기능

• torch_helper.freeze_selected_param : 선택한 이름으로 가중치를 동결하십시오
• torch_helper.get_important_param_idx : 중요한 매개 변수 표시 ⁴

참조

Pedregosa, Fabian 등 "Scikit-Learn : 파이썬의 기계 학습." Machine Learning Research 12 (2011) : 2825-2830.

각주

1. Yoon, Sung Whan 등. "Xtarnet : 점진적인 소수의 샷 학습을위한 작업 적응 적 표현을 추출하는 법을 배웁니다." 기계 학습에 관한 국제 회의 . PMLR, 2020. ↩ ↩ ²

2. Goldblum, Micah 등 "메타 학습을 풀기 : 소수의 샷 작업에 대한 기능 표현 이해." 기계 학습에 관한 국제 회의 . PMLR, 2020. ↩

3. Verma, Vikas 등 "매니 폴드 믹스 업 : 숨겨진 상태를 보간하여 더 나은 표현." 기계 학습에 관한 국제 회의 . PMLR, 2019. ↩

4. Mazumder, Pratik, Pravendra Singh 및 Piyush Rai. "평생 학습이 거의 없다." 인공 지능에 관한 AAAI 회의의 절차 . vol. 35. No. 3. 2021. ↩