mango
Parallel Hyperparameter Tuning in Python
파일 탐색기
최종 버전 다운로드 (.zip)- python-app.yml
- MetaTuner-on-bcancer.ipynb
- MetaTuner-on-functions.ipynb
- 1D_Mango_Different_Parallelization.ipynb
- 1D_Mango_Visualizations.ipynb
- Convex_Function_1D_HyperOpt.ipynb
- Convex_Function_1D_Parallel_5.ipynb
- Convex_Function_1D_Random.ipynb
- Convex_Function_1D_Serial.ipynb
- Convex_Function_Uniform_1D_Random.ipynb
- Convex_Function_Uniform_1D_Serial.ipynb
- Final_Brann_Benchmark_All_Plots.ipynb
- Final_Camel_Batch_Mango.ipynb
- Final_Camel_Batch_Mango_Clustering.ipynb
- Final_Camel_HyperOpt_All_Plots_working.ipynb
- Final_Camel_Random.ipynb
- Final_Camel_Serial_Mango.ipynb
- Final_Camel_Serial_Mango_Only_Alpha.ipynb
- Final_Convex_Function_1D_HyperOpt.ipynb
- Final_Convex_Function_Uniform_1D_Parallel_Mango_Working.ipynb
- Final_Convex_Function_Uniform_1D_Serial_Mango_Plots.ipynb
- Final_Convex_Function_Uniform_1D_Serial_Random.ipynb
- Final_SVM_HyperOpt_All_Plots_working.ipynb
- Final_SVM_Parallel_Mango_Clustering.ipynb
- Final_SVM_Parallel_Mango_working.ipynb
- Final_SVM_Random.ipynb
- Final_SVM_Serial_Mango.ipynb
- Final_XGBoost_HyperOpt_All_Plots.ipynb
- Final_XGBoost_Parallel_Mango.ipynb
- Final_XGBoost_Parallel_Mango_Clustering.ipynb
- Final_XGBoost_Random.ipynb
- Final_XGBoost_Serial_Mango.ipynb
- Final_XGBoost_Serial_Mango_Alpha.ipynb
- Hyperopt bitfarm.ipynb
- Parameter_Spaces_Evaluated.ipynb
- Time_Calculations.ipynb
- Xgboost_XGBClassifier_Serial.ipynb
- demo_video.png
- Mango_CogMI_paper.pdf
- Mango_cogml_slides.pdf
- Mango_github_slides.pdf
- Mango_video_svm.mp4
- combined_data
- data1
- data20
- prophet.py
- test_data
- train_data
- validate_data
- __init__.py
- celery.py
- CeleryTasks.py
- prophet.py
- xgboosttree.py
- Activity_NAS.ipynb
- data_utils.py
- hardware_utils.py
- README.md
- requirements.txt
- README.md
- Test.txt
- Train.txt
- Train_Valid.txt
- Valid.txt
- data_utils.py
- geometry_helpers.py
- hardware_utils.py
- README.md
- requirements.txt
- TinyOdom_OxIOD.ipynb
- ARIMA_Example_1.ipynb
- Prophet_Example_1.ipynb
- XGBoost_Example_1.ipynb
- XGBoost_Example_2.ipynb
- XGBoost_Example_3.ipynb
- XGBoost_Example_4.ipynb
- __init__.py
- Bitfarm_Function.ipynb
- Branin_Benchmark.ipynb
- Constrained Optimization.ipynb
- Convex_Function_Example.ipynb
- Convex_Function_Example_1D.ipynb
- Convex_Function_Example_Random_Bayesian_Comparison.ipynb
- Debugging_Mango.ipynb
- EarlyStopping.ipynb
- Failure_Handling.ipynb
- Failure_Handling_Parallel.ipynb
- Getting_Started.ipynb
- getting_started.py
- KNN_Celery.ipynb
- knn_celery.py
- KNN_Example.ipynb
- knn_serial.py
- Multiple_Local_Optima_Example.ipynb
- NAS_Mnist.ipynb
- NeuralNetwork_Simple.ipynb
- Prophet_Celery.ipynb
- Prophet_Classifier.ipynb
- requirements.txt
- Rosenbrock_Valley_Example.ipynb
- simple_celery.py
- Simple_Function.ipynb
- simple_parallel.py
- SVM_Example.ipynb
- SVM_Example_Screen_shot.ipynb
- Test functions for constrained optimization.ipynb
- warmup.ipynb
- Xgboost_Example.ipynb
- Xgboost_XGBClassifier.ipynb
- __init__.py
- distribution.py
- domain_space.py
- parameter_sampler.py
- __init__.py
- base_predictor.py
- bayesian_learning.py
- __init__.py
- metatuner.py
- scheduler.py
- tuner.py
- conftest.py
- test_config.py
- test_domain_space.py
- test_tuner.py
- .gitignore
- dev_notes.md
- development.md
- LICENSE
- License.txt
- poetry.lock
- pyproject.toml
- README.md
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/ARM-software/mango
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd mango
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. 공식 설치 스크립트
쉬움 추천사전 준비물
- Python 3 pip 명령어를 쓰려면 Python이 필요합니다.
pip install arm-mango
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
3. Python
쉬움사전 준비물
pip install arm-mango
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
$ pip3 install .
requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
// repository documentation
Was this content helpful?
(0 ratings)