ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ FLAML ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ v2.1.1.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີບ່ອນເຮັດວຽກ.
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 emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
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.
