این برنامه ویندوزی FLAML نام دارد که آخرین نسخه آن را می‌توانید با نام v2.3.6sourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام FLAML را با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
عکس ها
Ad
FLAML
شرح
FLAML یک کتابخانه سبک وزن پایتون است که مدل های دقیق یادگیری ماشین را به صورت خودکار، کارآمد و اقتصادی پیدا می کند. کاربران را از انتخاب فراگیران و فراپارامترها برای هر زبان آموز آزاد می کند. برای کارهای رایج یادگیری ماشین مانند طبقه‌بندی و رگرسیون، به سرعت مدل‌های باکیفیت برای داده‌های ارائه‌شده توسط کاربر با منابع محاسباتی کم پیدا می‌کند. هم از مدل‌های یادگیری ماشین کلاسیک و هم از شبکه‌های عصبی عمیق پشتیبانی می‌کند. سفارشی سازی یا گسترش آن آسان است. کاربران می‌توانند سفارشی‌سازی مورد نظر خود را از یک محدوده صاف پیدا کنند: حداقل سفارشی‌سازی (بودجه منابع محاسباتی)، سفارشی‌سازی متوسط (مثلاً یادگیرنده به سبک scikit، فضای جستجو و متریک)، یا سفارشی‌سازی کامل (آموزش خودسرانه و کد ارزیابی). از تنظیم خودکار سریع پشتیبانی می‌کند، که می‌تواند محدودیت‌های پیچیده/هدایت/توقف اولیه را مدیریت کند. FLAML توسط یک روش جدید و مقرون به صرفه بهینه سازی هایپرپارامتر و انتخاب یادگیرنده که توسط Microsoft Research ابداع شده است.
امکانات
- FLAML به نسخه Python >= 3.7 نیاز دارد. از پیپ قابل نصب است
- برای اجرای نمونه های نوت بوک، flaml را با گزینه [notebook] نصب کنید
- با سه خط کد می توانید از این موتور اقتصادی و سریع AutoML استفاده کنید
- می توانید زبان آموزان را محدود کنید و از FLAML به عنوان یک ابزار تنظیم سریع فراپارامتر برای XGBoost، LightGBM، Random Forest و غیره یا یک یادگیرنده سفارشی استفاده کنید.
- همچنین می توانید تنظیم فراپارامتر عمومی را برای یک تابع سفارشی اجرا کنید
- Zero-shot AutoML اجازه می دهد تا از API آموزشی موجود از lightgbm، xgboost و غیره استفاده کنید و در عین حال از مزایای AutoML در انتخاب پیکربندی هایپرپارامتر با کارایی بالا در هر کار استفاده کنید.
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/flaml.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
