使用mlflow的可重复机器学习管道。
项目描述
mlf-core
预印本
概述
mlf-core提供基于MLflow、Conda、Docker和强大的Github集成的CPU和GPU确定性机器学习模板。模板适用于PyTorch、TensorFlow和XGBoost。一个自定义的linter确保项目在开发部署的所有阶段都保持确定性。
安装
通过$ pip install mlf-core安装mlf-core开始您的旅程。
参见安装。
运行
查看mlf-core项目的实际应用。
配置
配置mlf-core以开始。
列表
列出所有可用的mlf-core模板。
参见列出所有模板。
信息
获取mlf-core模板的详细信息。
参见获取模板详细信息。
创建
利用mlf-core的模板之一，立即启动您的确定性机器学习项目。
参见创建项目。
检查
使用高级检查确保您的项目始终遵守mlf-core的标准并保持确定性。
参见检查您的项目
升级版本
跨多个文件提升项目版本。
参见提升现有项目的版本。
同步
将您的项目与最新的mlf-core版本同步，以获取最新的模板功能。
参见同步项目。
升级
检查您是否正在使用最新的 mlf-core 版本，并自动更新以享受最新功能。
致谢
主要想法和主要开发由 Lukas Heumos 完成。mlf-core 受 nf-core 启发。该软件包基于修改过的 audreyr/cookiecutter-pypackage 项目模板，使用 cookietemple 创建。
下载文件
下载适用于您平台的应用程序文件。如果您不确定选择哪个，请了解有关 安装包 的更多信息。
源分布
mlf-core-1.11.4.tar.gz (5.9 MB 查看哈希值)
构建分布
mlf_core-1.11.4-py3-none-any.whl (6.0 MB 查看哈希值)
关闭
mlf-core-1.11.4.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 65b55decac92cd41150278975aa9a3152e7e9366b30fbe869eaf512956079a9a |
|
| MD5 | db33f4af216e8ab68d6c6bc98180c00a |
|
| BLAKE2b-256 | dc549a82e4f44c3846900ae57c549405fd2e4bcdce4d83ad30f6a88e2075cc04 |
关闭
mlf_core-1.11.4-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 77e454173e7bce62ed203beaa7dea74f6bd2a769447936df2935c37affba1cf4 |
|
| MD5 | 2eb584e1f9e95e8391d54bb101b0668f |
|
| BLAKE2b-256 | bd4eaf8b83c5ef8d85c53f509694b576c7ffd0ac9628c1f5faef69526213427c |
