Py之yacs：yacs的简介、安装、使用方法之详细攻略

最新推荐文章于 2024-06-20 17:20:21 发布

一个处女座的程序猿

最新推荐文章于 2024-06-20 17:20:21 发布

阅读量3.4w

点赞数 25

分类专栏： Python_Libraries

本文链接：https://blog.csdn.net/qq_41185868/article/details/103881451

版权

Python_Libraries 专栏收录该内容

263 篇文章

订阅专栏

yacs是一款轻量级的配置管理系统，专为科研实验设计，确保实验的可重复性。它使用YAML作为序列化格式，易于阅读且支持复杂的配置结构。本文详细介绍yacs的安装和基础使用方法，帮助你轻松上手。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Py之yacs：yacs的简介、安装、使用方法之详细攻略

yacs的简介

A simple experiment configuration system for research.
yacs是作为一个轻量级库创建的，用于定义和管理系统配置，比如那些通常可以在为科学实验设计的软件中找到的配置。这些“配置”通常包括用于训练机器学习模型的超参数或可配置模型超参数(如卷积神经网络的深度)等概念。由于您正在进行科学研究，所以再现性是最重要的，因此您需要一种可靠的方法来序列化实验配置。YACS使用YAML作为一种简单的、人类可读的序列化格式。范例是:你的代码+实验E的yacs配置(+外部依赖+硬件+其他讨厌的术语…)=可重复的实验E。虽然你不能控制一切，但至少你可以控制你的代码和你的实验配置。yacs会帮你的。
yacs是在py-fast -rcnn和Detectron中使用的实验配置系统中发展起来的。

yacs的安装

pip install yacs

yacs的使用方法

1、基础用法

# my_project/config.py
from yacs.config import CfgNode as CN


_C = CN()

_C.SYSTEM = CN()
# Number of GPUS to use in the experiment
_C.SYSTEM.NUM_GPUS = 8
# Number of workers for doing things
_C.SYSTEM.NUM_WORKERS = 4

_C.TRAIN = CN()
# A very important hyperparameter
_C.TRAIN.HYPERPARAMETER_1 = 0.1
# The all important scales for the stuff
_C.TRAIN.SCALES = (2, 4, 8, 16)


def get_cfg_defaults():
  """Get a yacs CfgNode object with default values for my_project."""
  # Return a clone so that the defaults will not be altered
  # This is for the "local variable" use pattern
  return _C.clone()

# Alternatively, provide a way to import the defaults as
# a global singleton:
# cfg = _C  # users can `from config import cfg`