Add benchmarks for machine learning application
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Anfängerfreundlichkeit
- 25/100
- Issue-Typ
- Feature
- Klarheit
- Muss geklärt werden
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- numpy, python, pytorch, scikit-learn, tensorflow
- Bereich
- machine-learning, performance
Rechercherichtung
Der Issue nennt keine Dateien, Tests oder Einstiegspunkte und enthält keine konkreten Benchmark-Implementierungen. Beginne damit, die bestehenden Benchmark-Konventionen des Repositorys zu prüfen, und kläre anschließend die Algorithmen und Implementierungen, die im Umfang liegen; für den Abschluss wäre ein vereinbarter Satz aufeinander abgestimmter Training- und Inference-Benchmarks erforderlich.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Today, Machine learning applications are important use-cases of Python.
I haven't prepared concrete benchmark implementations yet, but I would like to suggest guidelines for machine learning benchmarks.
A. Each benchmark should provide all of the following implementations and shows the same result.
Pure Python-based implementation (might be not easy).Sympy based implementation- Numpy-based implementation.
- (optional) Famous frameworks like scikit-learn, TensorFlow, or PyTorch-based implementation.
B. Following algorithm-based benchmark should provide training and inference benchmark.
- Regression algorithm
- Decision tree algorithm
- Clustering algorithm
- Nearest neighborhood algorithm
- Matrix factorization
- ... (Please suggest!)
C. Deep learning-based or neural network-based benchmarks only provide inference benchmark with fixed weights since training benchmark needs GPU resources but using GPU resource is out of the topic.
- Simple neural network
- ... (Please suggest!)
- Vorherrschende Sprache
- Python
- Sterne
- 1k
- Forks
- 203
- Ø Merge
- 1 Std. 20 Min.
- Gemergte PRs (30 T.)
- 2
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus python/pyperformance
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
python/pyperformance#346 · 3 Kommentare ·
-
python/pyperformance#474 · 4 Reaktionen · 1 zugewiesene Person ·
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 25/100
python/pyperformance#473 ·
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 55/100
python/pyperformance#464 ·
-
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 48/100
python/pyperformance#460 · 2 Kommentare · 1 Reaktion ·
Alle Issues in python/pyperformance
Ähnliche Issues
-
essnmx good first issue
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 95/100
-
[Feature] 奇物选择添加优先级 Offen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 65/100
syfoud/Simulated_Scepter#174 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
Giskard-AI/giskard-oss#2840 · 1 Kommentar ·
-
A claim comment carrying the issue number is silently declined while the workflow reports success Offenarea: repo bug perceived difficulty: 2
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 70/100
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
yeti-platform/yeti#1380 ·