mlreef下載 - mlreef源代碼下載

mlreef

Python

1.0.0

下載

機器學習的協作平台

MLREEF是一個開源ML-OPS平台，可幫助您與數千名其他用戶協作，複製和共享機器學習工作。

重要的是：我們不再支持和更新此存儲庫。我們仍在積極地從事這個項目，但在Gitlab的主要回購。

mlreef

MLREEF是一個包含四個主要部分的ML/DL開發平台：

數據管理 - 完全版本的數據託管和處理基礎架構
發布代碼存儲庫 - 集裝和版本的腳本存儲庫，用於數據管道中的不可變化
實驗經理 - 實驗跟踪，環境和結果
ML-OPS-用於ML / DL工作的管道和編排解決方案（K8S / Cloud / Bare-Metal）

註冊並在幾分鐘內開始實驗。

要了解有關MLREEF如何簡化機器學習開發生命週期的更多信息，請訪問我們的主頁

數據管理

使用git / git LFS存儲庫託管您的數據。
- 同時在數據上工作
- 完全版本或LFS版本控制
- 有關數據處理和可視化歷史記錄的完整視圖
將您的外部存儲連接到mlreef並直接在管道中使用數據
數據集管理（訪問，歷史，管道）

發布代碼

通過ArgParse添加參數...

 # Example params for a ResNet50 script
def process_arguments ( args ):
    parser = argparse . ArgumentParser ( description = 'ResNet50' )
    parser . add_argument ( '--input-path' , action = 'store' , help = 'path to directory of images' )
    parser . add_argument ( '--output-path' , action = 'store' , default = '.' , help = 'path to output metrics' )
    parser . add_argument ( '--height' , action = 'store' , default = 224 , help = 'height of images (int)' )
    parser . add_argument ( '--width' , action = 'store' , default = 224 , help = 'width of images (int)' )
    parser . add_argument ( '--channels' , action = 'store' , default = 3 , help = 'channels of images: 1 = grayscale, 3 = RGB ,'
                                                                      '4=RGBA (int)' )
    parser . add_argument ( '--use-pretrained' , action = 'store' , default = True , help = 'use pretrained ResNet50 weights (bool)' )
    parser . add_argument ( '--epochs' , action = 'store' , default = 5 , help = 'number of epochs for training' )
    parser . add_argument ( '--batch-size' , action = 'store' , default = 32 , help = 'batch size fed to the neural network (int)' )
    parser . add_argument ( '--validation-split' , action = 'store' , default = .25 , help = 'fraction of images to be used for '
                                                                                'validation (float)' )
    parser . add_argument ( '--class-mode' , action = 'store' , default = 'binary' , help = '"categorical", "binary", "sparse",'
                                                                                    ' "input", or None' )
    parser . add_argument ( '--learning-rate' , action = 'store' , default = 0.0001 ,
                        help = 'learning rate of Adam Optimizer (float)'
                             '' )
    parser . add_argument ( '--loss' , action = 'store' , default = 'sparse_categorical_crossentropy' , help = 'loss function used to'
                                                                                           ' compile model' )
    params = vars ( parser . parse_args ( args ))
    return params