torchblaze

Forchblaze

Ссылка на документацию

Пакет Python на основе CLI, который предоставляет набор функциональных возможностей для выполнения сквозного ML с использованием Pytorch.

Ниже приведен набор функций, предоставленных инструментом:

---

• Шаблон Flask-API : Настройте базовый пропорциональный проект Pytorch и легко настройку API с помощью одной команды CLI. Развертывание ваших моделей ML никогда не было таким простым.

• Проверьте ML API : После того, как вы настроите свой API, проверьте все конечные точки API, чтобы убедиться, что вы получите ожидаемые результаты, прежде чем подтолкнуть ваш API для развертывания.

• Dockerizing : упрощенная, одно команда, легкая докеризация для вашего ML API.

• ML Model Test Suite : Пакет поставляется со встроенным набором тестов, который оценивает ваши модели Pytorch по набору тестов, чтобы найти любые ошибки, которые в противном случае не могли бы легко отслеживать.

Вот доступный список команд:

---

• Настройка шаблона проекта:

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

• Строительство Docker Image (требуется установить Docker):

Первый компакт -диск в корневом каталоге проекта, содержащий файл app.py.

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

• Запустите изображение Docker (требуется установлен Docker):

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

• Выполнение тестов API:

Первый компакт -диск в корневом каталоге проекта, содержащий файл app.py.

 foo@bar:~ $ torchblaze api_tests

• Выполнение модели тестирования:

Импортировать пакет Mltests

 import torchblaze . mltests as mls

Затем используйте разнообразие методов тестирования, доступных в пакете MLTESTS. Запустите следующую команду, чтобы получить список доступных методов.

 dir ( mls )

Чтобы проверить документацию для любого из доступных тестов, используйте метод справки:

 help ( mls . < method_name > )