- 综合排序
- 最热优先
- 最新优先
- 来自专栏ATYUN订阅号
Netflix开源Metaflow Python库
编辑 | KING 发布 | ATYUN订阅号 Netflix的数据科学团队已将其Metaflow Python库开源，该库是“以人为中心”的机器学习基础架构的关键部分，用于构建和部署数据科学工作流。 Metaflow背后的想法是使Netflix数据科学家能够及早查看原模型是否会在生产中失败，从而使他们能够解决所有问题并理想地加快部署时间。 Netflix在2月份透露，Metaflow已将部署时间从四个月缩短到了仅仅7天。 在S3中对代码进行快照的功能使Metaflow能够实现自动版本控制和实验跟踪，因此开发人员可以安全地检查和恢复Metaflow的执行情况。 ? Metaflow还与基于AWS容器的计算平台Batch集成。Netflix 认为，AWS上的Metaflow可以让开发人员提高在笔记本电脑上进行开发的速度，同时可以在云中使用更深的计算资源。
82210发布于 2019-12-17 - 来自专栏可观测性
MetaFlow开源 帮助开发者建设高度自动化可观测性平台
二、开源的高度自动化可观测性平台 开源的可观测性方案非常多，比如 OpenTelemetry、 SkyWalking、Elasticsearch、Prometheus等，每一种可观测性解决方案都有最擅长的地方 4.png MetaFlow Agent支持集成广泛的开源Agent和SDK的观测数据。 MetaFlow拒绝造轮子，因此对于Telegraf、Prometheus、SkyWalking、OpenTelemetry、Sentry、Loki等开源社区优秀的可观测性数据源，MetaFlow都能集成进来 四、结语 在存储方面，作为第一个MetaFlow的开源版本，默认提供ClickHouse的选项，开发者也可以组合、扩展更多的数据库选项。 希望MetaFlow的开源，能够帮助开发者构建一个自动化的可观测性平台，彻底释放开发者的生产力，带来自由。
1.5K40编辑于 2022-05-30 - 来自专栏CNCF
Metaflow｜Kubernetes上以人为中心的数据科学
AWS 上以人为中心的数据科学 Netflix 在 2019 年开源 Metaflow[9]时，我们使用亚马逊网络服务提供的服务提供了一条毕业路径： AWS Batch 为第二阶段提供了一个简单的解决方案 今天，我们很高兴地宣布 Metaflow 原生支持 Kubernetes 路径，作为 AWS 原生路径的同等替代： 值得强调的是，Kubernetes 的好处针对的是工程师，而不是使用 Metaflow 参考资料 [1] Metaflow: https://docs.metaflow.org/ [2] 将计算扩展到 Kubernetes 集群: https://docs.metaflow.org/metaflow //docs.metaflow.org/going-to-production-with-metaflow/scheduling-metaflow-flows [9] Netflix 在 2019 年开源 CNCF（云原生计算基金会）致力于培育和维护一个厂商中立的开源生态系统，来推广云原生技术。我们通过将最前沿的模式民主化，让这些创新为大众所用。
1.2K10编辑于 2022-06-10 - 来自专栏Hank’s Blog
4-6 R语言函数 排序
#sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x <- data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1)) > sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v
36440发布于 2020-09-16 - 来自专栏yuyy.info技术专栏
《代码整洁之道》笔记（4-6章节）
个人认为注释还是要写，算是对代码的中文翻译，因为我们的英语水平，命名习惯各不相同。
27710编辑于 2022-06-28 - 来自专栏Python绿色通道
2019 年 10 大顶级 Python 支持库
最后，对于开源支持库而言，它的技术支持文档也非常不错。说真的，去看一下吧！ 4. Metaflow 项目网址： https://docs.metaflow.org/introduction/what-is-metaflow Metaflow 这个支持库实在太新了，差点就没赶上 2019 Metaflow 这个 Python 支持库能帮助数据科学家与数据工程师开发在现实世界中应用的实战项目。 结论 这一年，或者说又一个10 年马上就要过去了，开源社区这些年的对世界的贡献将对今后几年产生深远的影响。 想要了解这些年的优秀开源库，就来看下我们这几年的榜单吧：2015、2016、2017、2018。
96110发布于 2019-12-26 - 来自专栏深度学习与python
为什么数据科学家不需要了解 Kubernetes
两年前，Netflix 开源了 Metaflow，这是一个基础设施抽象工具，使他们的数据科学家能够开展全栈工作，而不必担心底层基础设施。 Metaflow 像 Kubeflow 和 Metaflow 这样的基础设施抽象工具，旨在将运行 Airflow 或 Argo 通常需要的基础设施模板代码抽象出来，帮助你在开发和生产环境中运行工作流。 从用户体验的角度来看，我认为 Metaflow 更胜一筹。 在 Metaflow 中，你可以使用 Python 装饰器@conda来指定每个步骤的需求——所需的库、内存和计算资源需求——Metaflow 将自动创建一个满足所有这些要求的容器来执行该步骤。 Metaflow 让你可以在同一个 notebook/ 脚本中实现开发和生产环境的无缝衔接。
2K20发布于 2021-11-10 - 来自专栏机器之心
SysML 2019论文解读：推理优化
寻找图 G 的等价图 G' 的过程在一个名为 MetaFlow 的系统中实现，其可被用于优化已有的深度学习框架的 DNN 计算图，即 MetaFlow 是用于 DNN 的宽松化图替代优化器。 蓝线是没使用 MetaFlow 的优化图的三个基准框架得到的最佳结果，红线是 MetaFlow 结果。 ? 图 2：MetaFlow、TensorFlow、TensorFlow XLA 和 TensorRT 的端到端性能比较 可以看到，MetaFlow 速度更快，优于已有的深度学习推理引擎。 表 2：MetaFlow 和 TensorRT 在不同指标上的性能比较 相比于 TensorRT，MetaFlow 能够减少整体的内存访问量以及核启动的数量。 子图性能指标是用于确定 MetaFlow 能否提升 DNN 中单个子图的性能。实验中测试比较了不同的设备，以确定给定一个输入图时，MetaFlow 能否在不同设备上发现不同的优化图。
1.3K30发布于 2019-04-29 - 来自专栏爱写Bug
Python Weekly 426
使用 Python 分析电脑上的 100 GB 数据 链接: https://t.co/52y7IjNSqm 使用 Python 的开源库 Vaex 来可视化并分析 100 GB 的表格数据。 减少 Pandas 的内存使用量＃2：有损压缩 链接: https://pythonspeed.com/articles/pandas-reduce-memory-lossy/ 有趣的项目，工具和库 Metaflow 链接: https://metaflow.org/ 在 Netflix 上开发的用于现实数据科学的框架。 Metaflow 使构建和管理现实中的数据科学项目变得容易快捷。
2.1K30发布于 2019-12-18 - 来自专栏量子位
支持移动GPU、推断速度提升4-6倍
完整的开源版本，将会在2019年晚些时候发布。
1.1K30发布于 2019-04-24 - 来自专栏ThoughtWorks
Thoughtworks第26期技术雷达——工具象限
Metaflow Metaflow 是一个对用户友好的 Python 库和后端服务，可以帮助数据科学家和工程师构建和管理可用于生产的数据处理、机器学习训练及推理的工作流。 在撰写本条目时，Metaflow 和 AWS 服务高度集成，例如使用 S3 来做数据存储，step functions 来做编排。除 Python 以外，Metaflow 还支持 R 语言。 其核心功能都是开源的。 如果你正在 AWS 上构建和部署生产环境的机器学习和数据处理流水线，作为一个轻量级的全栈框架，Metaflow 可以替代例如 MLflow 这类更复杂的平台。 相比之下，Comby 是一个用于自动化重复性任务的轻量级开源命令行工具。由于 Sourcegraph 是一个托管服务，它能持续监测代码库，并在成功匹配时发出警报。 它是一个开源软件, 在 macOS、Linux、Windows 和 Docker 均可访问，开箱即用支持 AWS 、 GCP 和微软 Azure 的定价。
2.4K30编辑于 2022-04-22 - 来自专栏人人都是极客
支持移动GPU、推断速度提升4-6倍
虽然移动设备的处理能力和功率都有限。虽然TensorFlow Lite提供了不少的加速途径，比如将机器学习模型转换成定点模型，但总是会在模型的性能或精度上做出让步。
1.6K20发布于 2019-03-15 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-6 网格搜索与k近邻算法中更多超参数
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn网格搜索寻找最好的超参数以及kNN计算两个数据点距离的其他距离定义。
77700发布于 2019-11-13 - 来自专栏人工智能与演化计算成长与进阶
15非监督学习异常检测4-6构建与评价异常检测系统
Note 对于异常检测问题而言，样本数据集往往是倾斜的，即 标记为 1 异常的数据往往很少，而标记为 0 即正常的数据往往很多 此时使用准确率等方法来进行判断一个模型的好坏往往是不合适的，所以通过 查准率和查全率以及 F1 分数能够很好的分析和判断这个问题
1.7K11发布于 2020-08-14 - 来自专栏desperate633
第4-6课 数据的过滤where子句操作符使用通配符进行过滤
实际查询中，通常不会检索所有行，需要对数据进行筛选过滤，选出符合我们需要条件的数据。
1.9K10发布于 2018-08-22 - 来自专栏yuyy.info技术专栏
《Go语言精进之路：从新手到高手的编程思想、方法和技巧1》4-6章笔记
自己的Go代码风格似乎与Go标准库、主流Go开源项目的代码在思考角度和使用方式上存在不小差异，并且每每看到Go核心开发团队的代码时总有一种醍醐灌顶的感觉。 去除了cmd和pkg两个子目录：由于仅构建库，没必要保留存放二进制文件main包源文件的cmd目录；由于Go库项目的初衷一般都是对外部（开源或组织内部公开）暴露API，因此也没有必要将其单独聚合到pkg
1.1K20编辑于 2022-09-21 - 来自专栏数据派THU
【2022新书】高效数据科学基础: 如何使数据科学家高效
您将了解如何使用现有的云基础设施、一堆开源软件和惯用的Python提高数据科学家的工作效率。在整个过程中，您将遵循以人为中心的方法，重点关注用户体验和满足数据科学家的独特需求。 第一章: 介绍 第二章: 数据科学的工具链 第三章: 介绍Metaflow 第四章: 计算层的扩展 第五章: 实践可扩展和性能 第六章: 进入生产阶段 第七章: 处理数据 第八章: 使用和运作模式 第九章
37210编辑于 2022-07-25 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 练习4-6 猜数字游戏
练习4-6 猜数字游戏 猜数字游戏是令游戏机随机产生一个100以内的正整数，用户输入一个数对其进行猜测，需要你编写程序自动对其与随机产生的被猜数进行比较，并提示大了（“Too big”），还是小了（“Too
1.2K20发布于 2020-09-15 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题4-6 水仙花数
习题4-6 水仙花数 水仙花数是指一个N位正整数（N≥3），它的每个位上的数字的N次幂之和等于它本身。例如：153=13+53+33。 本题要求编写程序,计算所有N位水仙花数。
88140发布于 2020-09-15 - 来自专栏深度学习与python
汇总了30余场面试，4-6月Java面经笔记及详解，通用性极强 | 极客时间
最近感慨面试难的人越来越多了，一方面是市场环境，更重要的一方面是企业对 Java 的人才要求越来越高了。 基本上这样感慨的分为两类人，第一，虽然挂着 3、5 年经验，但肚子里货少，也没啥拿得出手的项目，自己还意识不到问题；第二，自身有技术追求，但欠点儿火候，多练习多吸收知识，锤炼一下问题不大。 拿我自己来说，早几年也是心比天高，觉得自己特了不起，结果往往一面试就发虚，大部分人都经历过这样一个不自知的阶段。 后面见识多了，再主动多跟着大佬学习，薪资就能相对顺利地随着经验积累增多一路涨起来。 之前私圈分享过
23210编辑于 2023-03-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号