toolkits

DL工具包

？ ‍深度學習實驗的分析工具？ ‍

每當我分析DL實驗的結果時，我都必須每次重新實現分析功能。因此，我在此存儲庫中實現了經常使用的功能。繼續實現新功能，並且可以在examples目錄中找到功能用法的簡單示例。

安裝

您可以使用pip命令安裝軟件包。支持Python> = 3。

 pip install dl-toolkits

您可以使用以下命令檢查軟件包的版本。

 import toolkits
print ( toolkits . __version__ )

模塊

可視化

• viz.tsne ：t-sne情節

聚類質量

• cluster.sse ：平方錯誤的總和（SSE） ¹
• cluster.batch_sse ：批處理輸入的平方錯誤總和（SSE）
• cluster.nsse ：通過平方距離到最近干擾質心（NSSE）1的SSE ¹
• cluster.batch_nsse ：SSE通過平方距離到最近的干擾質心（NSSE）進行批量輸入
• cluster.nearc ：最接近的干擾質心
• cluster.rfc ：功能空間聚類質量（R_FC） ²

線性代數

• linalg.get_singular_values ：每類獲得單數值
• linalg.get_sum_of_singular_values ：獲取每個類的單數值之和
• linalg.get_average_sum_of_singular_values ：獲取每類單數值的平均值³

漂亮的印刷

• pprint.pred_summary ：簡單打印用於預測和真實標籤

日誌解析器

• parse.between_lines ：在兩個輸入句子之間提取日誌
• parse.between_lines_on_file ：在目標文件上的兩個輸入句子之間提取日誌
• parse.between_lines_on_dir ：在目標目錄上的兩個輸入句子之間提取日誌

pytorch輔助功能

• torch_helper.freeze_selected_param ：用選定的名稱凍結權重
• torch_helper.get_important_param_idx ：獲取重要參數索引⁴

參考

Pedregosa，Fabian等。 “ Scikit-Learn：Python中的機器學習。”機器學習研究雜誌12（2011）：2825-2830。

腳註

1. Yoon，Sung Whan等。 “ XTARNET：學習提取任務自適應表示，以增量幾次學習。”國際機器學習會議。 PMLR，2020 ^。

2. Goldblum，Micah等。 “揭開元學習：了解一些射擊任務的特徵表示。”國際機器學習會議。 PMLR，2020年

3. Verma，Vikas等。 “流動混合：通過插值隱藏狀態更好地表示。”國際機器學習會議。 PMLR，2019年

4. Mazumder，Pratik，Pravendra Singh和Piyush Rai。 “終身學習很少。” AAAI人工智能會議論文集。卷。 35。第3。2021。 ↩