toolkits

DL工具包

？‍深度学习实验的分析工具？‍

每当我分析DL实验的结果时，我都必须每次重新实现分析功能。因此，我在此存储库中实现了经常使用的功能。继续实现新功能，并且可以在examples目录中找到功能用法的简单示例。

安装

您可以使用pip命令安装软件包。支持Python> = 3。

 pip install dl-toolkits

您可以使用以下命令检查软件包的版本。

 import toolkits
print ( toolkits . __version__ )

模块

可视化

• viz.tsne ：t-sne情节

聚类质量

• cluster.sse ：平方错误的总和（SSE） ¹
• cluster.batch_sse ：批处理输入的平方错误总和（SSE）
• cluster.nsse ：通过平方距离到最近干扰质心（NSSE）1的SSE ¹
• cluster.batch_nsse ：SSE通过平方距离到最近的干扰质心（NSSE）进行批量输入
• cluster.nearc ：最接近的干扰质心
• cluster.rfc ：功能空间聚类质量（R_FC） ²

线性代数

• linalg.get_singular_values ：每类获得单数值
• linalg.get_sum_of_singular_values ：获取每个类的单数值之和
• linalg.get_average_sum_of_singular_values ：获取每类单数值的平均值³

漂亮的印刷

• pprint.pred_summary ：简单打印用于预测和真实标签

日志解析器

• parse.between_lines ：在两个输入句子之间提取日志
• parse.between_lines_on_file ：在目标文件上的两个输入句子之间提取日志
• parse.between_lines_on_dir ：在目标目录上的两个输入句子之间提取日志

pytorch辅助功能

• torch_helper.freeze_selected_param ：用选定的名称冻结权重
• torch_helper.get_important_param_idx ：获取重要参数索引⁴

参考

Pedregosa，Fabian等。 “ Scikit-Learn：Python中的机器学习。”机器学习研究杂志12（2011）：2825-2830。

脚注

1. Yoon，Sung Whan等。 “ XTARNET：学习提取任务自适应表示，以增量几次学习。”国际机器学习会议。 PMLR，2020 ^。

2. Goldblum，Micah等。 “揭开元学习：了解一些射击任务的特征表示。”国际机器学习会议。 PMLR，2020年

3. Verma，Vikas等。 “流动混合：通过插值隐藏状态更好地表示。”国际机器学习会议。 PMLR，2019年

4. Mazumder，Pratik，Pravendra Singh和Piyush Rai。 “终身学习很少。” AAAI人工智能会议论文集。卷。 35。第3。2021。↩