torchblaze

Torchblaze

Link para documentação

Um pacote Python baseado em CLI que fornece um conjunto de funcionalidades para executar o ML de ponta a ponta usando Pytorch.

A seguir, são apresentados o conjunto de funcionalidades fornecidas pela ferramenta:

---

• Modelo de Flask-Api : Configure a esturção básica do projeto Pytorch e uma API com facilidade com um comando CLI único. A implantação de seus modelos de ML nunca foi tão fácil.

• Teste API ML : Depois de configurar sua API, teste todos os pontos finais da API para garantir que você obtenha os resultados esperados antes de pressionar sua API para a implantação.

• Dockerizing : Uma dockerização fácil simplificada e fácil para a sua API ML.

• ML Model Test Suite : O pacote vem com um conjunto de testes embutido que avalia seus modelos de pytorch em um conjunto de testes para procurar erros que, de outra forma, podem não ser rastreáveis ​​facilmente.

Aqui estão a lista disponível de comandos:

---

• Configurando o projeto de modelo:

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

• Building Docker Image (requer o docker instalado):

Primeiro CD no diretório do projeto raiz que contém o arquivo app.py.

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

• Execute a imagem do Docker (requer o docker instalado):

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

• Realizando testes de API:

Primeiro CD no diretório do projeto raiz que contém o arquivo app.py.

 foo@bar:~ $ torchblaze api_tests

• Executando testes de modelo:

Importar o pacote MLTests

 import torchblaze . mltests as mls

Em seguida, use a variedade de métodos de teste disponíveis no pacote MLTests. Execute o seguinte comando para obter a lista dos métodos disponíveis.

 dir ( mls )

Para verificar a documentação para qualquer um dos testes disponíveis, use o método de ajuda:

 help ( mls . < method_name > )