一个强大的API,可以自动从多个供应商处学习机器的工作流程。
a2ml的Python项目详细描述
a2ml—AutoML的自动化
A2ML(“automatoleautoml”)项目是一个pythonapi和一组命令行工具,用于自动化来自多个供应商的自动化机器学习工具。其目的是为所有面向云的AutoML供应商提供一个通用API。然后,数据科学家可以针对多个AutoML模型训练他们的数据集,以获得可能的最佳预测模型。愿最好的“算法/超参数搜索”获胜。{A2ML可在a6ml获取完整文档
PREDIT管道
每个AutoML供应商都有自己的API来管理数据集并创建和 管理预测模型。它们是相似的但不完全相同的api。但他们共享一个 通用阶段集:
- 导入用于培训的数据
- 多算法超参数训练模型
- 评估模型性能并选择一个或多个进行部署
- 部署选定的模型
- 根据已部署的模型使用新数据预测结果
- 检查已部署模型的性能
由于ITEDPR很难记住,我们用它方便的助记字谜“PREDIT”(法语“PREDIT”)来指代这个管道。A2ML项目提供了为各种云AutoML提供程序实现此管道的类 以及调用管道阶段的命令行接口。在
设置
A2ML作为python包分发,因此要安装它:
$ pip install -U a2ml
它将安装螺旋输送器提供程序。在
要使用Azure AutoML:
麦克:
^{pr2}$对于Mac OS High Sierra及以下版本:
$ SKLEARN_NO_OPENMP=1 pip install "scikit-learn==0.21.3" $ pip install "a2ml[azure]" --ignore-installed onnxruntime onnx nimbusml
Linux:
$ apt-get update && apt-get -y install gcc g++ libgomp1
$ pip install "a2ml[azure]"
使用谷歌云:
$ pip install "a2ml[google]"
要安装所有内容,包括测试和服务器代码:
$ pip install "a2ml[all]"
发展
要发布新版本,流程应该是:
- 在
更改
在a2ml/__init__.py
中的__version__
变量,使其与要释放的内容匹配,减去“v”。默认情况下,它将是“<;current milestone>;.dev0”,例如“0.3.0.dev0”。这确保我们不会意外地将开发版本发布到pypi.org网站. 因此,当我们准备好发布0.3.0时,__version__
变量应该是“0.3.0”。在 - 在
提交并推动上述更改。在
在
git tag v<the-version> (for example: git tag v0.3.0) git push --tags
- 验证circleci build已通过且docker image标记存在:
pip install -U a2ml==0.3.0 docker pull augerai/a2ml:v0.3.0
- 将
a2ml/__init__.py
中的__version__
变量增加到当前里程碑中的下一个版本。例如,“0.3.1.dev0”
- 项目
标签: