Auto-PyTorch 项目使用教程

Auto-PyTorch 项目使用教程

【免费下载链接】Auto-PyTorch Automatic architecture search and hyperparameter optimization for PyTorch 项目地址: https://gitcode.com/gh_mirrors/au/Auto-PyTorch

1. 项目目录结构及介绍

Auto-PyTorch 是一个自动机器学习框架，用于优化神经网络架构和训练超参数。以下是项目的目录结构及各部分功能的简要介绍：

• .binder/: 用于 Binder 的配置文件。
• .github/: 存放 GitHub 仓库的配置文件，如工作流（workflow）。
• autoPyTorch/: 包含 Auto-PyTorch 的主要代码和模块。
  • cicd/: 持续集成和持续部署的配置文件。
  • docs/: 项目文档。
  • examples/: 使用 Auto-PyTorch 的示例代码。
  • figs/: 项目中使用的图表和图片。
  • test/: 测试代码和测试数据。
• codecov.yml: CodeCov 配置文件。
• .flake8: Flake8 配置文件，用于代码风格检查。
• .gitignore: Git 忽略文件列表。
• .gitmodules: Git 子模块配置文件。
• .pre-commit-config.yaml: Pre-commit 配置文件，用于自动化代码格式化。
• CITATION.cff: 项目引用文件。
• Dockerfile: Docker 容器构建文件。
• LICENSE: 项目许可证文件。
• MANIFEST.in: 打包时的文件列表。
• README.md: 项目说明文件。
• codecov.yml: CodeCov 配置文件。
• mypy.ini: MyPy 配置文件，用于静态类型检查。
• requirements.txt: 项目依赖的 Python 包。
• setup.cfg: 设置配置文件。
• setup.py: Python 包的安装脚本。

2. 项目的启动文件介绍

项目的启动文件主要是 autoPyTorch 目录下的 api 子模块中的 tabular_classification.py 和 time_series_forecasting.py。以下是简要介绍：

• tabular_classification.py: 用于表格数据分类任务的启动文件，提供了 TabularClassificationTask 类，用于初始化和启动自动机器学习过程。
• time_series_forecasting.py: 用于时间序列预测任务的启动文件，提供了 TimeSeriesForecastingTask 类，用于初始化和启动自动机器学习过程。

3. 项目的配置文件介绍

项目的配置文件主要用于设置项目运行时的参数，以下是主要的配置文件介绍：

• config.yaml: 项目的配置文件，包含项目的全局设置，如数据集路径、训练参数、评估指标等。
• default_config.yaml: 默认配置文件，提供了项目的默认配置。
• hyperparameter_optimization_config.yaml: 超参数优化的配置文件，用于设置超参数搜索的策略。

用户可以根据自己的需求修改这些配置文件，以适应不同的项目需求。在项目启动时，会加载这些配置文件，并根据配置内容进行相应的操作。

【免费下载链接】Auto-PyTorch Automatic architecture search and hyperparameter optimization for PyTorch 项目地址: https://gitcode.com/gh_mirrors/au/Auto-PyTorch