MDP

MDP (Modular toolkit para sa Data Processing) ay isang library ng mga malawak na ginagamit ng data processing algorithm na maaaring pinagsama ayon sa isang tubo pagkakatulad upang bumuo ng mas kumplikadong data processing software.
Mula sa pananaw ng user, MDP binubuo ng isang koleksyon ng supervised at unsupervised algorithm sa pag-aaral, at iba pang data processing unit (nodes) na maaaring pinagsama sa data processing sequences (lumilitaw) at mas kumplikadong mga feed-forward architecture network. Dahil sa isang set ng data input, MDP aalaga ng sunud-sunod na pagsasanay o Isinasagawa lahat ng nodes sa network. Ito ay nagpapahintulot sa gumagamit na tukuyin kumplikadong algorithm bilang isang serye ng simple hakbang sa pagpoproseso ng data sa isang natural na paraan.
Ang batayan ng mga magagamit na mga algorithm ay steadily pagtaas at kabilang ang, sa pangalan ngunit ang pinaka-karaniwang, Principal Component Pagsusuri (PCA at NIPALS), ilang mga algorithm Independent Component Pagtatasa (cubica, FastICA, TDSEP, Jade, at XSFA), Mabagal Feature Analysis, Gaussian Classifiers, Restricted Boltzmann Machine, at local De-embed.
Partikular na pag-aalaga ay kinuha upang gumawa ng computations mahusay sa mga tuntunin ng bilis at memory. Upang mabawasan ang mga kinakailangan sa memorya, ito ay posible na magsagawa ng pag-aaral gamit ang batch ng data, at upang tukuyin ang panloob na parameter ng nodes na maging solong precision, na gumagawa ng paggamit ng masyadong malaking data nagtatakda maaari. Bukod dito, ang 'parallel' subpackage aalok ng isang parallel na pagpapatupad ng mga pangunahing nodes at lumilitaw.
Mula sa pananaw ng developer, MDP ay isang framework na gumagawa ng pagpapatupad ng mga bagong algorithm pinangangasiwaang at unsupervised learning madali at tapat. Ang mga pangunahing klase, 'node', ay siyang bahala sa nakakapagod na gawain tulad ng numerical na uri at dimensionality checking, umaalis ang mga developer ng libreng upang tumutok sa ang pagpapatupad ng mga yugto ng pag-aaral at pagpapatupad. Dahil sa mga karaniwang interface, ang node pagkatapos ay awtomatikong isinasama ang natitirang bahagi ng library at maaaring magamit sa isang network kasama ang iba pang mga nodes. Isang node maaaring magkaroon ng maramihang mga yugto ng pagsasanay at kahit isang hindi tiyak na bilang ng mga yugto. Ito ay nagpapahintulot sa pagpapatupad ng algorithm na kailangan upang mangolekta ng ilang mga istatistika sa buong input bago magpatuloy sa aktwal na pagsasanay, at iba pa na kailangan upang umulit sa isang bahagi ng pagsasanay hanggang ang isang criterion tagpo ay nasiyahan. Ang kakayahan upang sanayin ang bawat bahagi gamit chunks ng data input ay pinananatili kung ang chunks ay nabuo sa iterators. Bukod pa rito, crash sa pagbawi ay opsyonal na makukuha: sa kaso ng kabiguan, ang kasalukuyang estado ng daloy ay naka-save para sa inspeksyon mamaya.
MDP ay nakasulat sa konteksto ng panteorya pananaliksik sa neuroscience, ngunit ito ay idinisenyo upang maging kapaki-pakinabang sa anumang konteksto kung saan trainable data processing algorithm ay ginagamit. Its simple sa gilid user kasama ang reusability ng ipinatupad nodes gumawa din ito ng wastong edukasyon na kasangkapan

Ano ang bago sa release na ito.

• sawa 3 suporta.
• Bagong extension: caching at gradient
.
• Isang pinabuting at pinalawak na tutorial.
• Maraming mga pagpapabuti at bugfixes.
• Ang release na ito ay sa ilalim ng lisensya BSD.

Ano ang bago sa bersyon 2.5:

• 2009/06/30: Added online pagtuklas ng mga numerical backend , kahilera python support, symeig backend at numerical backend sa output ng pagsusulit na unit. Dapat makatulong sa debugging.
• 2009/06/12.: Pagsasama ng araw ng katapusan at histogram nodes
• 2009/06/12.: Nakatakdang bug sa kahilera daloy (maliban sa paghawak)
• 2009/6/9: Permanenteng bug sa LLENode kapag output_dim ay isang float. Salamat sa Konrad Hinsen.
• 2009/6/5.: Nakatakdang bug sa parallel flow para sa maramihang mga schedulers
• 2009/6/5.: Nakatakdang ng isang bug sa layer kabaligtaran, salamat sa Alberto Escalante
• 2009/04/29.: Nagdagdag ng LinearRegressionNode
• 2009/03/31: PCANode ay hindi magreklamo anymore kapag covariance matrix ay may == True negatibong eigenvalues ​​iff svd o bawasan == True. Kung output_dim ay tinukoy ang isang nais na pagkakaiba, negatibong eigenvalues ​​ay binalewala. Pinabuting error na mensahe para SFANode sa kaso ng mga negatibong eigenvalues, iminumungkahi namin na ngayon sa umpisa ng node sa isang PCANode (svd = True) o PCANode (bawasan = True).
• 2009/03/26: lumipat mula sa lumang package thread sa bagong threading isa. Idinagdag bandila upang huwag paganahin caching sa prosesong scheduler. Mayroong ilang mga paglabag ng mga pagbabago para sa mga pasadyang schedulers (kahilera daloy ng pagsasanay o pagpapatupad ay hindi apektado).
• 2009/03/25.: Added svn revision support sa pagsubaybay
• 2009/03/25: Tinanggal na ang copy_callable flag para scheduler, ito ay ganap na papalitan ng forking ang TaskCallable. Na ito ay walang epekto para sa maginhawang ParallelFlow interface, ngunit custom schedulers makakuha ng nasira.
• 2009/03/22. Ipinatupad caching sa ProcessScheduler
• 2009/02/22. Make_parallel ngayon gumagana ganap na sa-lugar upang i-save sa memorya
• 2009/02/12.: Added pamamaraan lalagyan upang FlowNode
• 2009/3/3. Idinagdag CrossCovarianceMatrix sa mga pagsusulit
• 2009-02-03. Idinagdag IdentityNode
• 2009/01/30.: Added ng isang helper function sa HiNet upang direktang ipakita ang isang daloy ng HTML na representasyon
• 2009/01/22. Payagan output_dim sa Layer upang ma-set lazily
• 2008/12/23.: Added total_variance sa nipals node
• 2008/12/23.: Palaging magtakda explained_variance at total_variance pagkatapos ng pagsasanay sa PCANode
• 2008/12/12: Binago symrand na talagang bumalik symmetric matrices (at hindi lamang positibong determinado). Ibinagay GaussianClassifierNode sa account para iyon. Ibinagay symrand upang bumalik din ang complex hermitian matrices.
• 2008/12/11: Permanenteng isang problema sa PCANode (kapag output_dim ay nakatakda sa input_dim kabuuang pagkakaiba ay itinuturing bilang hindi alam). Parameter Fixed var_part in ParallelPCANode.
• 2008/12/11.: Added feature var_part sa PCANode (filter ayon sa pagkakaiba kesa absoute pagkakaiba)
• 2008/12/04: Permanenteng nawawala arg axis sa Amax tawag sa tutorial. Salamat sa Samuel John!
• 2008/12/04: Permanenteng ang walang laman na iterator data sa paghawak sa ParallelFlow. Gayundin idinagdag na walang laman na mga tseke iterator sa normal na daloy (itaas ng exception kung ang iterator ay walang laman).
• 2008/11/19: Binago pca at sfa nodes upang suriin para negaive eigenvalues ​​sa cov matrices
• 2008/11/19: symeig isinama sa scipy, maaari itong gamitin MDP mula doon ngayon
.
• 2008/11/18. Idinagdag ParallelFDANode
• 2008/11/18.: Nabago ang tren callable para ParallelFlow upang suportahan ang karagdagang mga argumento
• 2008/11/05: Muling isulat ng mga gumawa parallel code, ngayon ay sumusuporta HiNet istruktura
.
• 2008/11/03: Muling isulat ng maykapal repesentation HiNet HTML. Sa kasamaang-palad break na ito rin ang pampublikong interface, ngunit ang mga pagbabago ay medyo simple.
• 2008/10/29: Patayin babala na nagmumula sa mga remote na proseso sa ProcessScheduler
• 2008/10/27.: Fixed problema sa patungan kwargs sa paraan ng init ng ParallelFlow
• 2008/10/24.: Nakatakdang pretrained nodes bug sa hinet.FlowNode
• 2008/10/20.: Nakatakdang kritikal import bug kahanay pakete kapag pp (parallel python library) ay na-install

Kinakailangan :

• sawa
• NumPy
• SciPy