双射：基于双射的神经学习

欢迎来到双射。

您是否曾经想要找出您的数据之间是否存在任何相似性？如果是的话，双射就是您需要的包！我们实现了最先进的基于双射的神经网络，如Siamese网络，以处理数据集中之间的相似性函数学习。这种策略有助于提供更清晰的流形和更好的嵌入数据，适用于广泛的应用。

在以下情况下使用双射

• 创建相似度度量；
• 设计或使用预实现的Siamese网络；
• 混合匹配新的方法来解决您的问题；
• 因为找到相似之处很有趣；

请参阅dualing.readthedocs.io中的文档。

双射与以下兼容：Python 3.6+。

包指南

1. 您需要的非常第一信息就在接下来的下一节。
2. 安装也很简单，如果您想阅读代码并深入了解，请继续。
3. 请注意，可能需要一些额外的步骤才能使用我们的解决方案。
4. 如果出现问题，请不要犹豫。联系我们。

开始使用：60秒内的双射

首先。我们有示例。是的，它们是带注释的。只需浏览到examples/，选择您的子包，并按照示例进行。我们对可能想到的大部分任务都有高级示例。

或者，如果您想了解更多，请花一分钟时间

双射基于以下结构，您应该注意其树状结构

- dualing
    - core
        - dataset
        - loss
        - model
    - datasets
        - batch
        - pair
    - models
        - base
            - cnn
            - gru
            - lstm
            - mlp
            - rnn
        - contrastive
        - cross_entropy
        - triplet
    - utils
        - constants
        - exception
        - logging
        - projector

核心

核心是核心。本质上，它是万物的父类。你应该找到定义我们结构基础的父类。它们应该提供变量和方法，帮助构建其他模块。

数据集

因为我们需要数据，对吧？数据集由类和方法组成，允许为基于双端的学习准备数据。

模型

这是核心。所有模型都在这里声明和实现。我们将为您提供我们正在使用的最出色的实现。请仔细查看这个包。

工具

这是一个工具包。应在应用程序中共享的常用事物应在这里实现。一次实现并按需使用，比反复重做同样的事情更好。

安装

我们相信一切都应该简单。不是复杂的或令人畏惧的，Dualing 将成为您需要的必备包，从最初的安装到日常任务的实现需求。您只需在您最偏好的 Python 环境下运行以下命令（原始、conda、virtualenv，等等）

pip install dualing

或者，如果您想安装最新版本，请克隆此存储库并使用

pip install -e .

环境配置

请注意，有时需要额外的实现。如果需要，您将在这里了解所有详细信息。

Ubuntu

不需要特定的额外命令。

Windows

不需要特定的额外命令。

MacOS

不需要特定的额外命令。

支持

我们知道我们尽力了，但承认我们犯错误是不可避免的。如果您需要报告错误、问题或与我们交谈，请这样做！我们将在我们的最佳状态下在这个存储库或gustavo.rosa@unesp.br上提供帮助。