mead baseline

벌꿀 술

Mead는 재현 가능한 딥 러닝 연구 및 NLP의 빠른 모델 개발을위한 도서관입니다. 데이터로드, 모델 개발, 교육, 실험 추적 및 생산 수출을위한 쉽게 확장 가능한 추상화 및 구현을 제공합니다.

또한 새로 개발 된 모델을 비교할 수있는 다양한 NLP 작업을위한 고성능 딥 러닝 모델의 구현을 제공합니다. 딥 러닝 실험은 번식하기 어렵고 Mead는이를 추적하는 기능을 제공합니다. 목표는 연구원이 모델 개발에 집중하여 반복적 인 작업을 도서관에 위임하는 것입니다.

선적 서류 비치

Colab을 사용한 튜토리얼

미드 허브

설치

씨

기준선은 파이썬 패키지로 설치할 수 있습니다.

pip install mead-baseline

tensorflow_addons 이미 설치되어 있거나 다음과 같이 직접 설치해야합니다.

pip install mead-baseline[tf2]

저장소에서

이 repostory의 복제품이 있고 그로부터 설치하려는 경우 :

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

이것은 먼저 mead-layers 일명 8 마일 mead-baseline 설치합니다.

DockerHub

우리는이 프로젝트를 통해 github ci/cd를 사용하여 텐서 플로 및 Pytorch를 자동으로 해제합니다.

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

최신 DockerHub 이미지에 대한 링크는 거기에서 찾을 수 있습니다.

버전에 대한 메모

딥 러닝 프레임 워크는 빠르게 발전하고 있으며 변경이 항상 뒤로 호환되는 것은 아닙니다. 최근 버전의 프레임 워크를 사용하는 것이 좋습니다. 우리는 현재 TF 버전 2.1.0 및 2.4.1에서 테스트합니다. Pytorch 백엔드에는 최소한 버전 1.3.0이 필요하지만 최신 버전을 사용하는 것이 좋습니다.

인용

도서관을 사용하는 경우 다음 논문을 인용하십시오.

 @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"
}

Mead는 2018 년 Neurips Mloss Workshop에서 스포트라이트 포스터로 선정되었습니다. OpenReview Link

감사의 말

• Google의 TPU Research Cloud (TRC)의 Cloud TPU를 지원하는 연구