将multiprocessing.Lock (或RLock )传递给multiprocessing.context.Process失败,锁值为 None 我在几个小时内尝试了很多东西。 没有任何效果。 起初我在使用 ForkingPickler 时遇到了错误。 然后我看到了其他一些 SO 答案, ...
将multiprocessing.Lock (或RLock )传递给multiprocessing.context.Process失败,锁值为 None 我在几个小时内尝试了很多东西。 没有任何效果。 起初我在使用 ForkingPickler 时遇到了错误。 然后我看到了其他一些 SO 答案, ...
在 Neuraxle 中实现管道组件,我想知道是否可以和/或建议为超参数设置默认值。 查看代码和文档,我的猜测是它不受支持,但我在文档中找不到任何提及。 我 在这里注意到超参数是在设置阶段之前设置的,这让我怀疑在代码中设置默认值不是“可能的”。 使用默认值会很好,因为它允许更多的超参数选项,而无需在 ...
我想创建多输出分类器。 However, my problem is that the distribution of positive label for each output varied greatly eg for output 1 there are 2% positive labe ...
当我保存具有关联的 ExecutionContext 的管道并尝试再次加载它时,我收到如下所示的错误。from neuraxle.base import ExecutionContext, Identity from neuraxle.pipeline import Pipeline PIPELI ...
我正在按照 AutoML 示例尝试 Neuraxle。 未修改的示例工作正常。 当我修改它以在ChooseOneStepOf(classifiers)之前包含我自己的管道组件时,它失败了,我不明白为什么。 /Users/simon/venvs/wqu_q4/bin/python /Users/s ...
从数据集中获取 select 列子集的 NeurAxle 方法是什么? 这就是我通过 sklearn 进行操作的方式: 编辑:- 我认为这是一种解决方案,但我不是 100% 相信的。 ...
假设您有一个管道,其中包含某些输入元素可能会失败的步骤,例如:FetchSomeImagesFromIds -> Resize -> DoSomethingElse 在这种情况下,第一步下载 100 张图像中的 10 张……并将这些图像传递给调整大小…… 我正在寻找有关如何在管道级别报 ...
我想在sklearn.linear_model.SGDClassifier轴管道中使用分类器,例如sklearn.linear_model.SGDClassifier ,并使用partial_fit以在线方式拟合它。 我将分类器包装在SKLearnWrapper使用use_partial_fit=T ...
在neuraxle 文档中显示了一个示例,使用存储库在管道中延迟加载数据,请参阅以下代码: from neuraxle.pipeline import Pipeline, MiniBatchSequentialPipeline from neuraxle.base import ExecutionC ...
我在 GPU (cuda) 中使用 pytorch 训练构建了我自己的类似 sklearn 的估计器,并且当 n_jobs==1 时它与 RandomizedSearchCV 一起工作正常。 当 n_jobs > 1 时,出现以下错误: PicklingError: Can't pic ...
我正在尝试在 neuraxle (0.5.2)中实现一个BaseStep来过滤data_input (以及相应的expected_output )。 这自然(在大多数情况下)会导致len(data_inputs) (和expected_outputs )发生变化。 在最新版本的neuraxle中, ...
我正在尝试设置使用 sklearns OneVsRestClassifier ( OVR ) 的Neuraxle 管道。 Neuraxle 管道中的每个有效步骤都必须实现fit()和transform()方法。 为了使用 sklearns 管道步骤,Neuraxle 使用SKLearnWrapp ...
我正在开展一个项目,该项目正在寻找精益的 Python AutoML 管道实现。 根据项目定义,进入管道的数据采用序列化业务对象的格式,例如(人工示例): 机器学习目标(例如,根据其他属性预测房产是否有游泳池)存储在业务 object 中,而不是在单独的 label 向量中交付,并且业务对象可能包含 ...
我不明白为什么这个neuraxle管道不起作用。 我只想要缩放数据并应用 LinearSVC。 我做错了什么? 这就是我想要做的:import numpy as np from sklearn.ensemble import GradientBoostingRegressor from sklea ...
我将 Neuraxle 更新到最新版本 (3.4)。 我注意到整个auto_ml.py被重做。 我检查了文档,但没有任何内容。 在 git 上,似乎方法RandomSearch()很久以前就被AutoML()方法取代了。 但是参数不同。 有人知道如何在最新的 Neuraxle 版本 (3.4) ...
我想用neuraxle创建一个简单的管道(我知道我可以使用其他库,但我想使用neuraxle ),我想在其中清理数据、拆分数据、训练 2 个模型并进行比较。 我希望我的管道做这样的事情: p = Pipeline([ PreprocessData(), SplitData(), ...
我正在使用带有 Pipeline 和 FeatureUnion 的 scikit-learn 从不同输入中提取特征。 我的数据集中的每个样本(实例)指的是不同长度的文档。 我的目标是独立计算每个文档的最高tfidf ,但我不断收到此错误消息: ValueError: blocks[0,:] ...
当我在导入 tensorflow 之前导入 scikit-learn 时,我没有任何问题。 运行这段代码会产生 1.7766212763101197e-12 的输出。 但是,如果我在导入 scikit-learn 之前导入 tensorflow,我的代码将不再起作用。 当我运行这个代码块时 ...
更新:我必须重新编写这个问题,因为经过一些调查,我意识到这是一个不同的问题。 上下文:使用带有 scikit learn 的 kerasclassifier 包装器在 gridsearch 设置中运行 keras。 系统:Ubuntu 16.04,库:anaconda 发行版 5.1、keras ...
我正在尝试根据本教程的指导为 Python sklearn 管道创建自定义转换器: http://danielhnyk.cz/creating-your-own-estimator-scikit-learn/ 现在我的自定义类/转换器看起来像这样: 我正在将这个 Class 集成到这样的 skle ...