torchblaze

火花片

链接到文档

基于CLI的Python软件包，提供了一套功能套件，可以使用Pytorch执行端到端ML。

以下是该工具提供的一组功能：

---

• 烧瓶-API模板：设置基本的Pytorch Project Sturcture，并使用单个CLI命令进行易于调整的烧瓶-Restful API。部署ML模型从未如此简单。

• 测试ML API ：设置API后，测试所有API终点，以确保在将API推向部署之前获得预期的结果。

• Dockerization ：简化的，单个命令，简单的Dockerization，用于您的ML API。

• ML模型测试套件：该软件包带有一个内置的测试套件，该套件可以通过一组测试评估您的Pytorch型号，以查找任何可能不容易追踪的错误。

这是可用命令列表：

---

• 设置模板项目：

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

• 构建Docker Image（需要安装Docker）：

第一个CD到包含app.py文件的根项目目录。

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

• 运行Docker Image（需要安装Docker）：

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

• 执行API测试：

第一个CD到包含app.py文件的根项目目录。

 foo@bar:~ $ torchblaze api_tests

• 执行模型测试：

导入mltests软件包

 import torchblaze . mltests as mls

然后使用MLTests软件包中可用的各种测试方法。运行以下命令以获取可用方法的列表。

 dir ( mls )

要检查文档中是否有任何可用测试，请使用帮助方法：

 help ( mls . < method_name > )