HPOflow - Sphinx DOC

Optuna、MLflow 工具及其集成。

详细信息及示例请见此处：[Sphinx DOC](https://telekom.github.io/HPOflow/)

目录

• 维护者
• 安装
• 支持和反馈
• 报告安全漏洞
• 贡献
• 行为准则
• 许可协议

维护者

本项目由德国电信 AG 的 One Conversation 团队维护。[One Conversation](https://www.welove.ai/)。[Deutsche Telekom AG](https://www.telekom.com/)

主要组件包括：

• hpoflow.OptunaMLflow:
  一个包装器，可以同时使用 Optuna 并将日志记录到 MLflow。
• hpoflow.OptunaMLflowCallback:
  一个从 transformers.TrainerCallback 继承的类，它集成到 OptunaMLflow 中，在模型训练期间将日志发送到 MLflow 和 Optuna。
• hpoflow.SignificanceRepeatedTrainingPruner:
  一个 Optuna 漏洞修剪器，使用统计显著性（作为启发式方法的 t 测试）来提前停止没有希望的试验，避免在交叉验证期间进行不必要的重复训练。

安装

HPOflow 可在 [Python 包索引 (PyPI)](https://pypi.ac.cn/project/hpoflow/) 上找到。可以使用 pip 安装。

$ pip install hpoflow

可能需要一些额外的依赖项。

要使用 hpoflow.optuna_mlflow.OptunaMLflow

$ pip install mlflow GitPython

要使用 hpoflow.optuna_transformers.OptunaMLflowCallback

$ pip install mlflow GitPython transformers

要安装所有可选依赖项，请使用

$ pip install hpoflow[optional]

要安装所有依赖项，请使用

$ pip install hpoflow[all]

发布新闻

在此处您可以找到软件的最新版本

• pypi 包
• GitHub 发布

发布中的重要新闻和功能

• 添加 Python 3.10 支持，移除 Python 3.6 支持 #95 - 版本 0.1.4 于 2022-08-14

支持和反馈

以下渠道可供讨论、反馈和支持请求

• 在我们的 GitHub 存储库中打开问题
• 向我们的开源团队发送电子邮件

报告安全漏洞

本项目以安全和数据隐私为前提，确保您的数据安全。我们感谢安全研究人员和用户首先向我们报告漏洞。为确保您的请求得到及时处理，并确保漏洞不公开，请遵循以下指南。

请勿直接在 GitHub 上报告安全漏洞。GitHub 问题是公开可见的，因此会导致直接公开。

有关数据隐私、安全概念和其他媒体请求的问题，请发送电子邮件至 opensource@telekom.de。

贡献

我们对开源的承诺意味着我们正在启用——事实上是在鼓励——所有感兴趣的相关方进行贡献，并成为我们开发者社区的一部分。

鼓励贡献和反馈，并始终欢迎。有关如何贡献以及更多贡献信息，请参阅我们的 贡献指南。

行为准则

本项目已采用 贡献者承诺 作为我们的行为准则。请参阅我们 贡献者承诺行为准则 的详细信息。所有贡献者都必须遵守行为准则。

许可协议

版权 (c) 2021 Philip May，德国电信 AG
版权 (c) 2021 Philip May
版权 (c) 2021 Timothy Wolff-Piggott

根据 MIT 许可协议（以下简称“许可协议”）许可；除非遵守许可协议，否则不得使用此文件。您可以在存储库中查阅许可协议副本 LICENSE。