File size: 1,481 Bytes
c687548 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 | ## Kaggle ML model (version 1.0)
参考 sub-sample-vs-super-sample-noisy-rows.ipynb的主要训练流程，以此基础上，拓展了
- ML 单模型种类
- ML 单模型的参数搜索
- ML 多模型集成的权重搜索
等功能，并让整个工作流完整化。
还需补充方向：
- 特征的选择（已有 feature_engineering.ipynb可参考，需搜集其他思路）
- MLP的参数搜索
### 模块介绍
模型参数搜索: optimize_params + HyperparameterOptimizer
策略集成工作流： main + Utils + inplemental
相关配置文件： Settings
### 环境安装
如果自己习惯 conda环境，可以直接按照 pyproject.toml中的依赖进行自行安装，略过下面的内容
下面介绍一种简单快速的环境安装方法 UV
1. 安装 uv工具 https://github.com/astral-sh/uv
windows powershell：powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
macOS terminal：curl -LsSf https://astral.sh/uv/install.sh | sh
2. powershell 进入项目
uv python install 3.11
uv sync
如果是 windows且已经安装了 cuda，执行 setup_cuda.py，卸载 cpu版本的 torch，安装 gpu版本的 torch
.venv/bin/activate
python setup_cuda.py
安装验证
python -c "import torch; print(f'PyTorch: {torch.__version__}'); print(f'CUDA: {torch.cuda.is_available()}')"
安装的 gpu版本 torch需要参考本机安装的 cuda版本来进行选择
|