- 综合排序
- 最热优先
- 最新优先
- 来自专栏目标检测和深度学习
Github 项目推荐 | 兼容 Scikit-Learn 的 PyTorch 神经网络库 —— skorch
资源 文档： https://skorch.readthedocs.io/en/latest/? badge=latest 源代码 https://github.com/dnouri/skorch/ 示例 更详细的例子，请查看此链接： https://github.com/dnouri/skorch /miniconda.html 如果你只是使用 skorch： git clone https://github.com/dnouri/skorch.git cd skorch conda env create 如果你只想帮助开发，运行： git clone https://github.com/dnouri/skorch.git cd skorch conda env create source activate ： git clone https://github.com/dnouri/skorch.git cd skorch # create and activate a virtual environment
1.9K31发布于 2018-07-20 - 来自专栏AI研习社
Github 项目推荐 | 兼容 Scikit-Learn 的 PyTorch 神经网络库 —— skorch
Skorch 是一个兼容 Scikit-Learn 的 PyTorch 神经网络库。 资源 文档： https://skorch.readthedocs.io/en/latest/? badge=latest 源代码 https://github.com/dnouri/skorch/ 示例 更详细的例子，请查看此链接： https://github.com/dnouri/skorch /miniconda.html 如果你只是使用 skorch： git clone https://github.com/dnouri/skorch.git cd skorch conda env create 如果你只想帮助开发，运行： git clone https://github.com/dnouri/skorch.git cd skorch conda env create source activate ： git clone https://github.com/dnouri/skorch.git cd skorch # create and activate a virtual environment
1.3K30发布于 2018-07-26 - 来自专栏数据派THU
使用scikit-learn为PyTorch 模型进行超参数网格搜索
神经元数 在自己的项目上定义自己的超参数调优实验 如何在 scikit-learn 中使用 PyTorch 模型 要让PyTorch 模型可以在 scikit-learn 中使用的一个最简单的方法是使用skorch 在skorch中，有分类神经网络的NeuralNetClassifier和回归神经网络的NeuralNetRegressor。 pip install skorch 要使用这些包装器，必须使用 nn.Module 将 PyTorch 模型定义为类，然后在构造 NeuralNetClassifier 类时将类的名称传递给模块参数 例如： import torch.nn as nn from skorch import NeuralNetClassifier class SonarClassifier(nn.Module 如果你对skorch 感兴趣，可以看看他的文档 https://skorch.readthedocs.io/en/latest/ 如果你对GridSearchCV 不熟悉，请先看它的文档 https:/
2.7K30编辑于 2023-03-29 - 来自专栏机器之心
从Pipenv到PyTorch，盘点2017年最受欢迎的十大机器学习Python库
本文作者把范围限定为机器学习，盘点了 2017 年以来最受欢迎的十大 Python 库；同时在这十个非常流行与强大的 Python 库之外，本文还给出了一些同样值得关注的 Python 库，如 PyVips 和 skorch 更多优秀的 Python 库 除了以上十个非常流行与强大的 Python 库，今年还有一些同样值得关注的 Python 库，包括 PyVips、Requestium 和 skorch 等。 1. 2. skorch 项目地址：https://github.com/dnouri/skorch 假设你很喜欢使用 scikit-learn 的 API，但却遇到了需要使用 PyTorch 工作的情况，该怎么办 别担心，skorch 是一个封装，可以通过类似 sklearn 的接口提供 PyTorch 编程。如果你熟悉某些库，就会希望使用相应的直观可理解的句法规则。 通过 skorch，你可以得到经过抽象的代码，从而将精力集中于重要的方面。
845140发布于 2018-05-11 - 来自专栏企鹅号快讯
2017年与机器学习相关的10大Python开源库
Skorch Skorch 对 PyTorch 进行了封装，提供了类似 scikit-learn 的 API。 所以，如果你已经很熟悉 scikit-learn 的 API，但又要使用 PyTorch，那么 Skorch 是个不错的选择。
990100发布于 2018-01-16 - 来自专栏企鹅号快讯
Github 本周最热的 10 款“机器学习”开源项目
项目链接 https://github.com/google/kubeflow Skorch #兼容 Scikit-Learn的 PyTorch 神经网络库 一个封装在 PyTorch 上并且兼容 Scikit-learn 项目链接 https://github.com/dnouri/skorch FlashText #关键字替换和抽取 本项目是对 FlashText 算法的实现，用来替换或抽取句子中的关键词。
1.4K90发布于 2018-03-02 - 来自专栏机器学习人工学weekly
机器学习人工学weekly-12/17/2017
PyTorch也增加了Ignite这个high-level库，让神经网络的训练更容易 链接：https://github.com/pytorch/ignite#documentation 最近也有人发布了skorch 这个项目，可以按照sklearn的方式使用PyTorch 链接：https://github.com/dnouri/skorch 5.
85860发布于 2018-03-19 - 来自专栏人工智能的秘密
13个最受欢迎的机器学习Python库
skorch 假如你很喜欢使用scikit-learn的API，但是遇到了需要使用PyTorch来完成工作。不要担心，skorch是一个封装，可以通过类似sklearn的接口提供PyTorch编程。 通过skorch，你会得到一些抽象的代码，所以你可以把更多的精力放在真正重要的事情上，比如做数据科学。
1.5K90发布于 2018-01-08 - 来自专栏灯塔大数据
技术 | 人生苦短，请用Python——10大Python库汇总
skorch 喜欢scikit-learn的API，但又得用PyTorch来进行工作？别担心，skorch这个打包器为PyTorch提供了像sklearn一样的界面。 有了skorch，就可以将一些代码抽象化，从而把精力集中在真正重要的事上，比如干点儿数据科学。 文章来源： Python爱好者社区 文章编辑：天天
1.3K90发布于 2018-04-03 - 来自专栏AI研习社
2017 十大最受欢的迎机器学习 Python 库
skorch skorch 是一个封装，它可以提供给 PyTorch 一个类似 sklearn 的编程界面。如果你熟悉这些库，这些语法应该简单易懂。 通过 skorch，你会得到经过抽象的代码，所以你可以把精力花在真正重要的事情上，比如做数据科学研究。
88060发布于 2018-03-16 - 来自专栏新智元
星标破10万！Auto-GPT之后，Transformer越新里程碑
关键词：对话，演讲 skorch Skorch是一个包装PyTorch的具有scikit-learn兼容性的神经网络库。它支持Transformers中的模型，以及来自标记器的标记器。
84860编辑于 2023-05-22 - 来自专栏新智元
机器学习团队常用工具总结，人生苦短，我用Python！
在这里，值得注意的是，越来越多的正在更加频繁地使用Pytorch训练库，比如Lightning, Ignite, Catalyst, Fastai和Skorch。
74930发布于 2020-06-04 - 来自专栏机器人网
【回顾】2017年最受欢迎的十大机器学习Python库
本文作者把范围限定为机器学习，盘点了 2017 年以来最受欢迎的十大 Python 库；同时在这十个非常流行与强大的 Python 库之外，本文还给出了一些同样值得关注的 Python 库，如 PyVips 和 skorch
81380发布于 2018-04-19
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