[Suggestion] Improving TorchSharp experience in Notebook with Torchsharp.Summary
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Accessibilité débutants
- 25/100
- Type d'issue
- Fonctionnalité
- Clarté
- Plutôt claire
- Activité
- À l'abandon
- Stack technique
- jupyter-notebook
- Domaine
- machine-learning
Piste de recherche
Commencez par examiner les exemples de notebooks TorchSharp et la référence torch-summary liée afin de déterminer le point d’intégration prévu. Le résultat attendu doit être une expérience TorchSharp.Summary dans un notebook qui produit les informations démontrées sur les couches, les formes, les paramètres et les tailles.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
Is there interest to port
torch-summary to TorchSharp.Summary
from torchsummary import summary
model = ConvNet()
summary(model, (1, 28, 28))
So in TorchSharp notebook, we get:
==========================================================================================
Layer (type:depth-idx) Output Shape Param #
==========================================================================================
├─Conv2d: 1-1 [-1, 10, 24, 24] 260
├─Conv2d: 1-2 [-1, 20, 8, 8] 5,020
├─Dropout2d: 1-3 [-1, 20, 8, 8] --
├─Linear: 1-4 [-1, 50] 16,050
├─Linear: 1-5 [-1, 10] 510
==========================================================================================
Total params: 21,840
Trainable params: 21,840
Non-trainable params: 0
==========================================================================================
Input size (MB): 0.00
Forward/backward pass size (MB): 0.05
Params size (MB): 0.08
Estimated Total Size (MB): 0.14
==========================================================================================
- Langage dominant
- Jupyter Notebook
- Étoiles
- 175
- Forks
- 61
- Métriques de merge des PR
- Aucune PR mergée en 30 j
Préparer son environnement
Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de dotnet/TorchSharpExamples
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 45/100
dotnet/TorchSharpExamples#56 ·
-
Trying Chinese translationOuverte
Difficulté 5/5 Plus d'une semaine Accessibilité débutants 20/100
dotnet/TorchSharpExamples#52 ·
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 45/100
dotnet/TorchSharpExamples#50 ·
-
Difficulté 5/5 Plus d'une semaine Accessibilité débutants 20/100
dotnet/TorchSharpExamples#30 ·
-
Difficulté 4/5 3-5 jours Accessibilité débutants 32/100
dotnet/TorchSharpExamples#22 · 3 commentaires ·
Toutes les issues de dotnet/TorchSharpExamples
Issues similaires
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 88/100
-
`unload()` returns the trained `modules_to_save` copy instead of the original modulePeut-être pris Une pull request liée à cette issue est ouverte ou déjà fusionnée. Ouverte
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
huggingface/peft#3955 ·
Les mainteneurs répondent en général sous 1 jour
-
[Bug] WhisperTimeStampLogitsProcessor crashes with TypeError when eos_token_id is a single-element listPeut-être pris Une pull request liée à cette issue est ouverte ou déjà fusionnée. Ouvertebug
Difficulté 2/5 1-3 heures Accessibilité débutants 76/100
huggingface/transformers#49556 ·
Les mainteneurs répondent en général sous 1 jour
-
bug embedded exports
Difficulté 2/5 1-3 heures Accessibilité débutants 68/100
ultralytics/ultralytics#26655 · 2 commentaires ·
Les mainteneurs répondent en général sous 1 jour
-
enhancement needs-acceptance wg/router-models-inference-runtime
Difficulté 2/5 1-3 heures Accessibilité débutants 76/100
vllm-project/semantic-router#5015 · 1 commentaire ·
Les mainteneurs répondent en général sous 1 jour