MDP (Modular ชุดเครื่องมือสำหรับการประมวลผลข้อมูล) เป็นห้องสมุดของข้อมูลที่ใช้กันอย่างแพร่หลายในขั้นตอนวิธีการประมวลผลที่สามารถนำมารวมกันตามการเปรียบเทียบที่จะสร้างท่อส่งซอฟต์แวร์ประมวลผลข้อมูลที่ซับซ้อนมากขึ้น
จากมุมมองของผู้ใช้ MDP ประกอบด้วยคอลเลกชันของขั้นตอนวิธีการเรียนรู้ภายใต้การดูแลและใกล้ชิดและข้อมูลอื่น ๆ หน่วยประมวลผล (โหนด) ที่สามารถรวมกันเป็นลำดับการประมวลผลข้อมูล (กระแส) และซับซ้อนมากขึ้นสถาปัตยกรรมเครือข่ายฟีดไปข้างหน้า รับชุดของการป้อนข้อมูล, MDP ดูแลการฝึกอบรมอย่างต่อเนื่องหรือการดำเนินการทุกโหนดในเครือข่าย นี้จะช่วยให้ผู้ใช้สามารถระบุกลไกที่ซับซ้อนเป็นชุดของขั้นตอนการประมวลผลข้อมูลที่เรียบง่ายในทางธรรมชาติ
ฐานของอัลกอริทึมที่มีอยู่อย่างต่อเนื่องที่เพิ่มขึ้นและรวมถึงเพื่อชื่อ แต่ที่พบมากที่สุดวิเคราะห์องค์ประกอบหลัก (PCA และ NIPALS) ชิ้นส่วนหลายอิสระขั้นตอนวิธีการวิเคราะห์ (CuBICA, FastICA, TDSEP หยกและ XSFA) การวิเคราะห์คุณสมบัติช้าเสียน ลักษณนามเครื่อง จำกัด Boltzmann และในพื้นที่เชิงเส้นฝัง
การดูแลโดยเฉพาะอย่างยิ่งได้รับการดำเนินการเพื่อให้การคำนวณที่มีประสิทธิภาพในแง่ของความเร็วและหน่วยความจำ เพื่อลดความต้องการหน่วยความจำก็เป็นไปได้ที่จะดำเนินการการเรียนรู้โดยใช้กระบวนการของข้อมูลและการกำหนดค่าพารามิเตอร์ภายในของโหนดที่จะแม่นยำเดียวซึ่งจะทำให้การใช้งานของข้อมูลที่มีขนาดใหญ่มากชุดที่เป็นไปได้ นอกจากนี้ 'ขนาน' subpackage มีการดำเนินการคู่ขนานของโหนดพื้นฐานและกระแส
จากมุมมองของนักพัฒนา, MDP เป็นกรอบที่ทำให้การดำเนินงานของการเรียนรู้ภายใต้การดูแลใกล้ชิดและขั้นตอนวิธีการใหม่ที่ง่ายและตรงไปตรงมา ระดับขั้นพื้นฐาน 'โหนด' ดูแลงานน่าเบื่อเช่นชนิดตัวเลขและการตรวจสอบมิติออกจากนักพัฒนาอิสระที่จะมีสมาธิในการดำเนินงานของการเรียนรู้และขั้นตอนการดำเนินการ เพราะติดต่อกันโหนดแล้วโดยอัตโนมัติรวมกับส่วนที่เหลือของห้องสมุดและสามารถนำมาใช้ในเครือข่ายร่วมกับโหนดอื่น ๆ โหนดจะมีขั้นตอนการฝึกอบรมและแม้กระทั่งหลายบึกบึนของขั้นตอน นี้จะช่วยให้การดำเนินงานของขั้นตอนวิธีการที่จำเป็นต้องเก็บรวบรวมสถิติการป้อนข้อมูลทั้งหมดก่อนที่จะดำเนินการกับการฝึกอบรมที่เกิดขึ้นจริงและอื่น ๆ ที่จำเป็นต้องย้ำผ่านขั้นตอนการฝึกอบรมจนเกณฑ์การบรรจบกันมีความพึงพอใจ ความสามารถในการฝึกอบรมแต่ละขั้นตอนโดยใช้ชิ้นของข้อมูลเข้าจะยังคงอยู่ถ้าชิ้นจะถูกสร้างขึ้นด้วย iterators นอกจากนี้การฟื้นตัวของความผิดพลาดที่มีอยู่เลือก: ในกรณีของความล้มเหลวของรัฐในปัจจุบันของการไหลจะถูกบันทึกไว้สำหรับการตรวจสอบในภายหลัง
MDP ได้รับการเขียนในบริบทของการวิจัยเชิงทฤษฎีในประสาท แต่มันได้รับการออกแบบที่จะเป็นประโยชน์ในบริบทที่สุวินัยขั้นตอนวิธีการประมวลผลข้อมูลที่ใช้ในการใด ๆ ความเรียบง่ายในด้านผู้ใช้สามารถนำมาใช้ร่วมกับการดำเนินการของโหนดทำให้มันยังเป็นเครื่องมือการศึกษาที่ถูกต้อง
มีอะไรใหม่ ในข่าวประชาสัมพันธ์ฉบับนี้.
- งูหลาม 3 สนับสนุน.
- ส่วนขยายใหม่: แคชและการไล่ระดับสี .
- การปรับปรุงและขยายการกวดวิชา.
- การปรับปรุงหลาย bugfixes.
- ข่าวประชาสัมพันธ์ฉบับนี้อยู่ภายใต้ใบอนุญาต BSD.
มีอะไรใหม่ ในรุ่น 2.5:
- 2009/06/30: เพิ่มการตรวจสอบออนไลน์ของแบ็กเอนด์ที่เป็นตัวเลข สนับสนุนหลามขนาน symeig แบ็กเอนด์และแบ็กเอนด์ตัวเลขการส่งออกของการทดสอบหน่วย จะช่วยในการแก้จุดบกพร่อง.
- 2009/06/12:. บูรณาการของโหนดตัดและกราฟ
- 2009/06/12:. แก้ไขข้อผิดพลาดในการไหลขนาน (การจัดการข้อยกเว้น)
- 2009/06/09: แก้ไขข้อผิดพลาดใน LLENode เมื่อ output_dim เป็นลอย ขอบคุณที่คอนราด Hinsen.
- 2009/06/05:. ข้อบกพร่องคงที่ในการไหลขนาน schedulers หลาย
- 2009/06/05:. แก้ไขข้อผิดพลาดในสิ่งที่ตรงกันข้ามชั้นขอบคุณอัลลันเต
- 2009/04/29:. เพิ่ม LinearRegressionNode
- 2009/03/31: PCANode ไม่บ่นอีกต่อไปเมื่อแปรปรวนเมทริกซ์มีค่าลักษณะเฉพาะเชิงลบ IFF svd == จริงหรือลด == ทรู หาก output_dim ได้รับการระบุมีความแปรปรวนที่ต้องการค่าลักษณะเฉพาะเชิงลบจะถูกละเลย ข้อผิดพลาดที่ดีขึ้นสำหรับ SFANode ในกรณีของค่าลักษณะเฉพาะเชิงลบตอนนี้เราขอแนะนำให้ย่อหน้าโหนดกับ PCANode (SVD = True) หรือ PCANode (ลด = True).
- 2009/03/26: แพคเกจที่อพยพมาจากกระทู้เก่าไปใหม่เกลียว ที่เพิ่มเข้ามาเพื่อปิดการใช้ธงแคชในขั้นตอนการจัดตารางเวลา มีการเปลี่ยนแปลงบางอย่างทำลายสำหรับ schedulers ที่กำหนดเอง (การฝึกอบรมการไหลขนานหรือการดำเนินการที่ไม่ได้รับผลกระทบ).
- 2009/03/25:. แก้ไข svn เพิ่มการติดตามสนับสนุน
- 2009/03/25: ลบธง copy_callable สำหรับการจัดตารางเวลานี้คือตอนนี้แทนที่อย่างสมบูรณ์โดยฟอร์ก TaskCallable นี้มีผลบังคับใช้สำหรับอินเตอร์เฟซ ParallelFlow สะดวกไม่ แต่ schedulers ที่กำหนดเองได้รับการหัก.
- 2009-03-22. ดำเนินการในแคช ProcessScheduler
- 2009/02/22:. ตอนนี้สมบูรณ์ make_parallel ทำงานในสถานที่ที่จะบันทึกความทรงจำ
- 2009/02/12:. เพิ่มวิธีภาชนะ FlowNode
- 2009/03/03:. เพิ่ม CrossCovarianceMatrix กับการทดสอบ
- 2009-02-03. เพิ่ม IdentityNode
- 2009/01/30:. เพิ่มฟังก์ชั่นผู้ช่วยในไฮเน็ตโดยตรงแสดงการไหลของตัวแทน HTML
- 2009/01/22:. อนุญาตให้ output_dim ในชั้นที่จะตั้งซม
- 2008/12/23:. เพิ่ม total_variance ไปยังโหนด nipals
- 2008/12/23:. ตั้งเสมอ explained_variance total_variance และหลังการฝึกอบรมใน PCANode
- 2008/12/12: ดัดแปลง symrand จริงๆกลับเมทริกซ์สมมาตร (และไม่เพียง แต่ในเชิงบวกที่ชัดเจน) ดัดแปลง GaussianClassifierNode บัญชีสำหรับการที่ ดัดแปลง symrand เพื่อกลับไปยังเมทริกซ์เทียนซับซ้อน.
- 2008/12/11: แก้ไขปัญหาใน PCANode (เมื่อ output_dim ถูกกำหนดให้ input_dim แปรปรวนทั้งหมดได้รับการรักษาเป็นที่รู้จัก) พารามิเตอร์ var_part คงที่ใน ParallelPCANode.
- 2008/12/11:. เพิ่มคุณลักษณะ var_part เพื่อ PCANode (ตัวกรองตามแปรปรวนเทียบกับความแปรปรวน absoute)
- 2008/12/04: แก้ไขหาเรื่องแกนที่ขาดหายไปในการเรียก Amax ในการกวดวิชา ขอบคุณที่ซามูเอลจอห์น!
- 2008/12/04: แก้ไขข้อมูลที่ว่างเปล่า iterator จัดการใน ParallelFlow นอกจากนี้ยังเพิ่มการตรวจสอบ iterator ว่างในการไหลปกติ (เพิ่มข้อยกเว้นถ้า iterator เป็นที่ว่างเปล่า).
- 2008/11/19: ดัดแปลง PCA และโหนด SFA เพื่อตรวจสอบค่าลักษณะเฉพาะในการฝึกอบรม negaive COV
- 2008/11/19: symeig บูรณาการใน SciPy, MDP สามารถใช้งานได้จากที่นั่นตอนนี้ .
- 2008/11/18:. เพิ่ม ParallelFDANode
- 2008/11/18:. ปรับปรุงรถไฟ callable สำหรับ ParallelFlow เพื่อสนับสนุนข้อโต้แย้งเพิ่มเติม
- 2008/11/05: Rewrite ของการทำรหัสขนานในขณะนี้สนับสนุนโครงสร้างไฮเน็ต .
- 2008/11/03: Rewrite ของไฮเน็ต HTML repesentation ผู้สร้าง แต่น่าเสียดายที่นี้ยังแบ่งอินเตอร์เฟซที่สาธารณะ แต่การเปลี่ยนแปลงนั้นจะง่ายสวย.
- 2008/10/29: คำเตือนปิดมาจากกระบวนการระยะไกลใน ProcessScheduler
- 2008/10/27:. แก้ปัญหาพร้อมกับการเขียนทับ kwargs วิธี init ของ ParallelFlow
- 2008/10/24:. โหนด pretrained แก้ไขข้อผิดพลาดใน hinet.FlowNode
- 2008/10/20:. ข้อผิดพลาดนำเข้าที่สำคัญการแก้ไขในแพคเกจคู่ขนานเมื่อได้ pp (ห้องสมุดหลามขนาน) มีการติดตั้ง
ต้องการ
- งูใหญ่
- NumPy
- SciPy
ความคิดเห็นที่ไม่พบ