py_fresh

REPO MODELO PARA PROJETOS PYTHON.

Um repositório de modelo para fazer todos os projetos de aprendizado de máquina.

Como isso acelera o desenvolvimento do seu Python

A maioria das pessoas acha difícil empacotar seu código Python e não sabe como configurar o repositório para ele.

Se o repositório for configurado de maneira errada, seria difícil empacotar e implantar o código posteriormente também.

Este repositório fornece as baterias necessárias para empacotar seu código, verificações de CI, construção automática e implantação de documentos, suporte fácil de publicação da Pypi e arquivos do Docker.

Isso serve como um modelo para configurar rapidamente essas coisas em seu repositório. Os repositórios de aprendizado de máquina criados a partir deste modelo podem ser facilmente implantados e enviados. Torna -se livre e fácil de depurar também.

Você pode adicionar seu código na pasta template_python . Como este é um pacote, verifique se as importações são da raiz. ou seja, from template_python import stuff

Como usar isso: -

• Escolha Use este repo como opção de modelo no Github.
• Isso deve criar um repositório em sua conta do GitHub.

Arquivos para editar para configurar seu projeto.

• Você precisaria editar alguns arquivos para renomear isso de template_python para o nome do repo necessário.
• Basta substituir pip install git+git://github.com/oke-aditya/template_python.git na pasta de trabalho mk-docs-build.yml e mk-docs-deploy.yml na pasta .github pelo seu pacote URL Git. Isso configurará documentos.
• Edite todos os arquivos .md para incluir a descrição necessária.
• Edite os requirements.txt e requirements-extra.txt (opcionalmente).
• Edite os arquivos .gitingore e .dockerignore , se for necessário algo extra. Eu incluí a maioria das coisas nelas.
• Edite o settings.ini e setup.py (opcionalmente). Talvez você precise do seu nome e requisitos diferentes. Novamente, a maioria das coisas está lá, você precisa adicionar ajustes muito pequenos.
• Edite a LICENSE você pode precisar de uma diferente.
• Edite a pasta Docs. Ele é construído usando mkdocs.org. Você pode se referir ao MKDOCS para saber mais sobre a edição de documentos. Estes são apenas documentos minimalistas que fazem o trabalho.
• Opcionalmente, adicione testes à pasta de tests usando pytest .

Além disso, leia os arquivos README que estão presentes nas pastas. Eles ajudarão e guiá -lo a configurar coisas também.

Preciso de ajuda para configurar meu projeto

• Se você enfrentar algum problema, a configuração do projeto levanta um problema. Eu ficaria feliz em ajudar.
• Se você tiver algumas sugestões e adições que gostaria de aumentar um PR. Eu ficaria feliz em se fundir.

Projetos construídos usando este modelo.

Nota: - Esses repositórios podem ter desviado um pouco deste modelo.

• Treinador Pytorch CNN.
• Moda Intel
• Similaridade da imagem pytorch
• QuickText: uma estrutura de detecção de texto rápida e simples

Levante um PR se você construiu seu projeto com este modelo e eu o adicionarei aqui !!

Inspirações: -

Este modelo foi criado usando muitos repositórios, inclui esses

• Fastai NBDev
• Feito com caldeira ML.
• Pytorch Lightning
• Icevision

Grande crédito a esses repositórios, seria difícil fazer isso sem eles.

Este modelo é diferente do acima, pois isso enfatiza o código de agrupamento em pacotes e contêineres Python, garantindo a portabilidade.