神经网络训练监控代理
afs的Python项目详细描述
AFS
afs是一个基于python的库，它帮助深度/机器学习专家在 无需访问服务器即可进行培训，并通过挚爱的人获得其所需信息的通知 社交媒体平台。
专业人士
- 尽可能轻巧
- 接受14个参数，因此用户可以在模型训练时检查几乎所有内容
- 后端建在烧瓶框架上，开源。您可以为实现更多 社交媒体平台的API。
待办事项
- 完成Facebook Messenger的后端工作。
使用的框架和库
AFS完全基于python&；node.js构建。
安装
python 3.6+需要使用。
从PyPi获取包
$ pip install AFS
使用量
导入AFS并到达“出纳员”功能。 在训练循环中定义afs.teller函数，并传递参数。
$ import AFS as afs $ afs.teller(arg1, arg2)
然后，到达uid函数，并传递“yes”字符串，这将基本上为您创建唯一的id，然后您将通过该id验证与chatbot的会话。
$ afs.uID("yes")
执行训练循环后，此行将为您打印超级随机生成的唯一id，以最小化相似度。
会是这样的：
$ Your unique ID is --- 231409296064663:68137457840134:27374860406350
复制唯一的id，并向afs bot发送纯文本以验证会话。 一切都结束了。
参数
'teller'function takes maximum of 14 arguments. Default values are 0s. $iteration argument is for counting iterations. type= number. $distribution argument is basically a divider, for every how many iterations do you need to send the GET request. type= number. $maxiter is a maximum of iterations, after which the model finishes training. type= number. $epochdistribution is the same as 'distribution' argument, but for epochs. type= number. $epoch counts epochs. type= number. $testloss takes test loss as an information. type= number. $valloss takes validation loss as an information. type= number.
json实例
api发送json数组，这基本上是字典组合的字符串化版本。
实施
Flask服务器部署在Heroku上，目前仅在Facebook Messenger中实现。 下一个社交媒体平台：
许可证
BSD 3条款许可证
欢迎加入QQ群-->： 979659372
