扩展scikit-learn,增加了一些新的模型、转换器、指标和绘图功能。
项目描述
onnxcustom: 自定义ONNX
示例,如何将机器学习模型转换为ONNX,实现自己的转换器或运行时,或者使用ONNX / onnxruntime进行训练的教程。
函数check或命令行python -m onnxcustom check检查模块是否正确安装,并返回几个函数的处理时间,或者简单地
import onnxcustom onnxcustom.check()
文档还介绍了用于推理和训练的onnx和onnxruntime。与scikit-learn相关的教程已合并到sklearn-onnx文档。在这个包实现的一些工具中,您可能发现
一个将NVidia Profilder日志转换为dataframe的工具,
一个类似于scikit-learn实现但基于onnxruntime-training的SGD优化器,能够训练CPU和GPU,
操作onnx图的功能。
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。
源代码分发
onnxcustom-0.4.293.tar.gz (68.2 kB 查看哈希值)
构建分发
onnxcustom-0.4.293-py3-none-any.whl (77.8 kB 查看哈希值)
关闭
onnxcustom-0.4.293.tar.gz的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | bad5d0a04ab5d3991d17474a186cde02c206f28c7530805e8dd28ded1f0831e5 |
|
MD5 | 4c5d683b82e2777e6c22ec2e3eca3c97 |
|
BLAKE2b-256 | 40974be62be5505170efa194e46a89afff8fe9c5d83674e8b6d8144a89e4bdd3 |
关闭
onnxcustom-0.4.293-py3-none-any.whl的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | b565d24121a49a4f6c737e0b83e14fcb46f46d2026853bb2a5ee1f8de207d915 |
|
MD5 | 43e584998fac1847dbe6ab98f4540b1e |
|
BLAKE2b-256 | 0830b4ccafc2327b418d046a7a2ad8d2befecfe02a1c9fd1d045f96a74c7c49f |