跳转到主要内容

基于双射的神经学习

项目描述

双射:基于双射的神经学习

Latest release Build status Open issues License

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。


项目详情


下载文件

下载适用于您的平台的文件。如果您不确定选择哪个,请了解更多关于安装包的信息。

源分布

dualing-1.0.3.tar.gz (20.0 kB 查看散列)

上传时间

构建分布

dualing-1.0.3-py3-none-any.whl (30.3 kB 查看散列)

上传时间 Python 3

由以下机构支持

AWS AWS 云计算和安全赞助商 Datadog Datadog 监控 Fastly Fastly CDN Google Google 下载分析 Microsoft Microsoft PSF 赞助商 Pingdom Pingdom 监控 Sentry Sentry 错误日志 StatusPage StatusPage 状态页面