ນີ້ແມ່ນແອັບ Linux ທີ່ມີຊື່ວ່າ FLAML ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ v2.3.6sourcecode.tar.gz. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນ OnWorks ຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີສໍາລັບບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ຊື່ FLAML ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ OnWorks Linux ອອນລາຍ ຫຼື Windows online emulator ຫຼື MACOS online emulator ຈາກເວັບໄຊທ໌ນີ້.
- 5. ຈາກ OnWorks Linux OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກ, ຕິດຕັ້ງມັນແລະດໍາເນີນການ.
ໜ້າ ຈໍ
Ad
FLAML
ລາຍລະອຽດ
FLAML ເປັນຫ້ອງສະໝຸດ Python ທີ່ມີນ້ຳໜັກເບົາທີ່ຊອກຫາຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ຖືກຕ້ອງໂດຍອັດຕະໂນມັດ, ມີປະສິດທິພາບ ແລະປະຫຍັດ. ມັນປົດປ່ອຍຜູ້ໃຊ້ຈາກການເລືອກຜູ້ຮຽນແລະ hyperparameters ສໍາລັບນັກຮຽນແຕ່ລະຄົນ. ສໍາລັບວຽກງານການຮຽນຮູ້ເຄື່ອງຈັກທົ່ວໄປເຊັ່ນ: ການຈັດປະເພດແລະການຖົດຖອຍ, ມັນຊອກຫາຕົວແບບທີ່ມີຄຸນນະພາບຢ່າງໄວວາສໍາລັບຂໍ້ມູນທີ່ຜູ້ໃຊ້ສະຫນອງໃຫ້ກັບຊັບພະຍາກອນຄອມພິວເຕີ້ຕ່ໍາ. ມັນສະຫນັບສະຫນູນທັງສອງຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກຄລາສສິກແລະເຄືອຂ່າຍ neural ເລິກ. ມັນງ່າຍທີ່ຈະປັບແຕ່ງຫຼືຂະຫຍາຍ. ຜູ້ໃຊ້ສາມາດຊອກຫາການປັບແຕ່ງທີ່ຕ້ອງການຂອງເຂົາເຈົ້າຈາກຂອບເຂດທີ່ລຽບງ່າຍ: ການປັບແຕ່ງຫນ້ອຍທີ່ສຸດ (ງົບປະມານຂອງຊັບພະຍາກອນຄອມພິວເຕີ້), ການປັບແຕ່ງຂະຫນາດກາງ (ຕົວຢ່າງ: ການຮຽນຮູ້ແບບ scikit, ພື້ນທີ່ຊອກຫາ, ແລະ metric), ຫຼືການປັບແຕ່ງເຕັມຮູບແບບ (ລະຫັດການຝຶກອົບຮົມແລະການປະເມີນຜົນ). ມັນສະຫນັບສະຫນູນການປັບອັດຕະໂນມັດໄວ, ມີຄວາມສາມາດໃນການຈັດການຂໍ້ຈໍາກັດສະລັບສັບຊ້ອນ / ການຊີ້ນໍາ / ການຢຸດຕົ້ນ. FLAML ແມ່ນຂັບເຄື່ອນໂດຍການເພີ່ມປະສິດທິພາບ hyperparameter ໃໝ່, ປະສິດທິພາບ ແລະວິທີການຄັດເລືອກຜູ້ຮຽນທີ່ຄິດຄົ້ນໂດຍ Microsoft Research.
ຄຸນລັກສະນະ
- FLAML ຕ້ອງການເວີຊັນ Python >= 3.7. ມັນສາມາດໄດ້ຮັບການຕິດຕັ້ງຈາກ pip
- ເພື່ອດໍາເນີນການຕົວຢ່າງປື້ມບັນທຶກ, ໃຫ້ຕິດຕັ້ງ flaml ດ້ວຍຕົວເລືອກ [notebook]
- ດ້ວຍລະຫັດສາມເສັ້ນ, ທ່ານສາມາດເລີ່ມຕົ້ນໃຊ້ເຄື່ອງຈັກ AutoML ທີ່ປະຫຍັດແລະໄວນີ້
- ທ່ານສາມາດຈໍາກັດຜູ້ຮຽນແລະນໍາໃຊ້ FLAML ເປັນເຄື່ອງມືປັບ hyperparameter ໄວສໍາລັບການ XGBoost, LightGBM, Random Forest ແລະອື່ນໆຫຼືຜູ້ຮຽນທີ່ປັບແຕ່ງ.
- ນອກນັ້ນທ່ານຍັງສາມາດດໍາເນີນການປັບ hyperparameter ທົ່ວໄປສໍາລັບຟັງຊັນທີ່ກໍາຫນົດເອງ
- Zero-shot AutoML ອະນຸຍາດໃຫ້ໃຊ້ API ການຝຶກອົບຮົມທີ່ມີຢູ່ແລ້ວຈາກ lightgbm, xgboost ແລະອື່ນໆໃນຂະນະທີ່ໄດ້ຮັບຜົນປະໂຫຍດຈາກ AutoML ໃນການເລືອກການຕັ້ງຄ່າ hyperparameter ທີ່ມີປະສິດທິພາບສູງຕໍ່ຫນ້າວຽກ.
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/flaml.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.
