Mdp Modulaire toolkit voor de gegevensverwerkende bibliotheek
Download nu

Mdp Rangschikking & Samenvatting

Mdp Tags

Python-bibliotheek Toolkit modulair gegevens gegevensverwerking modulaire toolkit

Mdp Beschrijving

Modulaire toolkit voor Data Processing Library MDP (Modular toolkit voor dataverwerking) is een bibliotheek van veelgebruikte gegevensverwerking algoritmen die kunnen worden gecombineerd overeenkomstig een pipeline analoog aan complexere gegevensverwerking software.From standpunt van de gebruiker bouwen MDP bestaat uit een verzameling van gecontroleerde en ongecontroleerde leeralgoritmen en andere dataverwerkingseenheden (knooppunten) die kunnen worden gecombineerd tot verwerkingsvolgordes (stromen) en complexere feed-forward netwerkarchitecturen. Gegeven een set van invoergegevens, MDP verzorgt achtereenvolgens de opleiding of het uitvoeren van alle knooppunten in het netwerk. Dit stelt de gebruiker in staat om complexe algoritmen als een reeks van eenvoudige gegevensverwerking stappen op een natuurlijke manier bij basis van de beschikbare algoritmen opgeven neemt gestaag toe en omvat, om maar de meest voorkomende, Principal Component Analysis (PCA en NIPALS), diverse Independent componenten Analyse algoritmen (Cubica, FastICA, TDSEP, JADE, en XSFA), Slow Feature Analysis, Gauss Classifiers, Beperkte Boltzmann Machine, en lokaal Linear Embedding.Particular zorgvuldigheid is betracht berekeningen efficiënt in termen van snelheid en geheugen te maken. Geheugen te reduceren, is het mogelijk uit te voeren leren de batches van data, en bepalen de inwendige parameters van de knooppunten enige nauwkeurigheid, waarbij het gebruik van zeer grote datasets mogelijk maakt zijn. Bovendien is de 'parallelle' subpackage biedt een parallelle uitvoering van de fundamentele knooppunten en perspectief flows.From de ontwikkelaar, MDP is een raamwerk dat de implementatie van nieuwe bewaakte en onbewaakte leren algoritmen gemakkelijk en eenvoudig maakt. De basis klasse, 'Knooppunt', zorgt voor vervelende taken zoals het numerieke type en dimensionaliteit controleren, vrij laat de ontwikkelaar zich te concentreren op de uitvoering van het leer- en uitvoeringsfase. Door de gemeenschappelijke interface, het knooppunt vervolgens automatisch geïntegreerd met de rest van de bibliotheek kan worden gebruikt in een netwerk met andere knooppunten. Een knooppunt kan meerdere opleidingsfasen en zelfs een onbepaald aantal fasen. Dit maakt het mogelijk de uitvoering van algoritmen die noodzaak om een aantal statistieken over de hele invoer te verzamelen alvorens de eigenlijke training, en anderen die moeten herhalen gedurende een trainingsfase totdat een convergentie criterium wordt voldaan. De mogelijkheid om iedere fase gebruik brokken invoergegevens trein wordt gehandhaafd indien de stukken worden gemaakt met iterators. Bovendien, crash herstel is optioneel verkrijgbaar: in geval van een storing, wordt de huidige stand van de stroom opgeslagen voor later inspection.MDP is geschreven in het kader van het theoretisch onderzoek in de neurowetenschappen, maar het is ontworpen om behulpzaam te zijn in een context waarin trainbaar gegevensverwerking algoritmen worden gebruikt. De eenvoud van de gebruiker kant samen met de herbruikbaarheid van de geïmplementeerde nodes maken het ook een geldig educatief instrument. Vereisten: · Python · Numpy · Scipy Wat is er nieuw in deze release: · 2009-06-30: Toegevoegd online detectie van numerieke backend, parallel python ondersteuning symeig backend en numerieke backend met de uitgang van unit tests. Moeten helpen bij het opsporen van fouten. · 2009-06-12: Integratie van de cutoff en histogram knooppunten. · 2009-06-12: Fixed bug in meestroom (exception handling). · 2009-06-09: Fixed bug in LLENode wanneer output_dim is een float. Met dank aan Konrad Hinsen. · 2009-06-05: Vaste bugs in meestroom voor meerdere planners. · 2009-06-05: Fixed a bug in laag inverse, dankzij Alberto Escalante. · 2009-04-29: Toegevoegd een LinearRegressionNode. · 2009-03-31: PCANode niet meer klagen als covariantiematrix heeft negatieve eigenwaarden IFF svd == Waar of verminderen == True. Als output_dim is opgegeven een gewenste variantie worden negatieve eigenwaarden genegeerd. Verbeterde foutmelding SFANode in geval van een negatieve eigenwaarden, nu raden wij u aan het knooppunt prepend met een PCANode (SVD = True) of PCANode (verminderen = True). · 2009-03-26: gemigreerd van de oude draad pakket om de nieuwe threading één. Toegevoegd vlag om te schakelen caching in proces scheduler. Er zijn een aantal breken veranderingen voor aangepaste planners (parallel stroom training of uitvoering wordt niet beïnvloed). · 2009-03-25: Toegevoegd SVN revisie bijhouden van ondersteuning. · 2009-03-25: Removed de copy_callable vlag voor scheduler, dit is nu volledig vervangen door forking de TaskCallable. Dit heeft geen effect voor de handige ParallelFlow interface, maar aangepaste planners kapot. · 2009-03-22: Implemented caching in de ProcessScheduler. · 2009-02-22: make_parallel werkt nu volledig in de plaats om het geheugen op te slaan. · 2009-02-12: Containermethoden toegevoegd aan Flowdeode. · 2009-03-03: CrosscovarianCematrix toegevoegd met tests. · 2009-02-03: identiteitsnood toegevoegd. · 2009-01-30: een helperfunctie toegevoegd in Hinet om rechtstreeks een Flow HTML-vertegenwoordiging weer te geven. · 2009-01-22: laat output_dim in de laag lui worden ingesteld. · 2008-12-23: Total_varians toegevoegd aan het knooppunt van de nipals. · 2008-12-23: Set Allowlined_varians en Total_varians na training in PCADEODE. · 2008-12-12: Gemodificeerd Symrand om de symmetrische matrices (en niet alleen positieve definitieve) echt te retourneren. Aangepaste GaussianClassifierNode om daarvoor rekening te houden. Aangepast Symraand om ook complexe heremitische matrices terug te keren. · 2008-12-11: een probleem opgelost in PCADEODE (wanneer uitvoer_dim is ingesteld op Input_dim werd de totale variantie als onbekend behandeld). Vaste Var_Part-parameter in parallelpcanode. · 2008-12-11: Var_partfunctie toegevoegd aan PCANODE (Filter volgens de variantie ten opzichte van AbsoTe-variantie). · 2008-12-04: Vaste ontbrekende Axis Arg in AMAX CALL IN TUTORIAL. Dank aan Samuel John! · 2008-12-04: de lege data-iteratorafhandeling in parallelflow vastgesteld. Toegevoegde lege iteratorcontroles in de normale stroom (verhoog een uitzondering als de iterator leeg is). · 2008-11-19: Gemodificeerde PCA- en SFA-knooppunten om te controleren op negaive eigenwaarden in de cov-matrices · 2008-11-19: Symeur geïntegreerd in Scipy, MDP kan het nu gebruiken. · 2008-11-18: Parallelfdanode toegevoegd. · 2008-11-18: Bijgewerkt de trein-callable voor parallelflow om aanvullende argumenten te ondersteunen. · 2008-11-05: Herschrijving van de parallelle code, ondersteunt nu HINET-structuren. · 2008-11-03: Herschrijven van de Hinet HTML Repesentation Creator. Helaas breekt dit ook de publieke interface, maar de veranderingen zijn vrij eenvoudig. · 2008-10-29: WAARSCHUWINGEN WAARSCHUWINGEN KOMEN VANAF REMOTE PROCESSEN IN PROCESSCHEDULER · 2008-10-27: vast probleem met overschrijvende Kwargs in de init-methode van parallelflow. · 2008-10-24: Fixed PretRessed-knooppunten in Hinet.Flownode. · 2008-10-20: vaste kritieke importbug in parallelle pakket wanneer PP (parallelle Python-bibliotheek) is geïnstalleerd.

Mdp Gerelateerde software