toolkits

Kits de ferramentas DL

? ‍ Ferramentas analíticas para experimentos de aprendizado profundo? ‍

Sempre que analisava os resultados do experimento DL, tive que implementar a função de análise todas as vezes. Então, implementei funções frequentemente usadas neste repositório. Novos recursos continuam a ser implementados e exemplos simples de uso de funções podem ser encontrados no diretório examples .

Instalação

Você pode instalar o pacote com o comando pip . Python> = 3 são suportados.

 pip install dl-toolkits

Você pode verificar a versão do pacote usando os seguintes comandos.

 import toolkits
print ( toolkits . __version__ )

Módulos

Visualização

• viz.tsne : trama t-sne

Qualidade de agrupamento

• cluster.sse : Soma de erro ao quadrado (SSE) ¹
• cluster.batch_sse : soma de erro ao quadrado (SSE) para entrada em lote
• cluster.nsse : SSE normalizado pela distância quadrada do centróide interferente mais próximo (NSSE) ¹
• cluster.batch_nsse : SSE normalizado pela distância ao quadrado até o centróide interferente mais próximo (NSSE) para entrada em lote
• cluster.nearc : Centróide interferente mais próximo mais próximo
• cluster.rfc : qualidade de cluster de espaço de recursos (r_fc) ²

Álgebra linear

• linalg.get_singular_values : Obtenha valores singulares por classe
• linalg.get_sum_of_singular_values : Obtenha a soma dos valores singulares por classe
• linalg.get_average_sum_of_singular_values : obtenha a média da soma dos valores singulares por classe ³

Pretimista bonita

• pprint.pred_summary : impressão simples para previsões e rótulos verdadeiros

Log Parser

• parse.between_lines : Extraia o log entre as duas frases de entrada
• parse.between_lines_on_file : extraia o registro entre as duas frases de entrada no arquivo de destino
• parse.between_lines_on_dir : extraia o log entre as duas frases de entrada no diretório de destino

Função auxiliar pytorch

• torch_helper.freeze_selected_param : congele os pesos com o nome selecionado
• torch_helper.get_important_param_idx : Obtenha parâmetros importantes índices ⁴

Referências

Pedregosa, Fabian, et al. "Scikit-Learn: aprendizado de máquina em Python." The Journal of Machine Learning Research 12 (2011): 2825-2830.

Notas de rodapé

1. Yoon, Sung Whan, et al. "XTarnet: aprendendo a extrair representação adaptativa para tarefas para um aprendizado incremental de poucos tiro". Conferência Internacional sobre aprendizado de máquina . Pmlr, 2020. ↩ ↩ ²

2. Goldblum, Micah, et al. "Desvendando a meta-aprendizagem: entender as representações de recursos para tarefas de poucas fotos". Conferência Internacional sobre aprendizado de máquina . Pmlr, 2020. ↩

3. Verma, Vikas, et al. "Mistura múltipla: melhores representações interpolando estados ocultos." Conferência Internacional sobre aprendizado de máquina . PMLR, 2019. ↩

4. Mazumder, Pratik, Pravendra Singh e Piyush Rai. "Aprendizagem de poucos anos ao longo da vida". Anais da Conferência AAAI sobre Inteligência Artificial . Vol. 35. No. 3. 2021. ↩