Skip to main content

No project description provided

Project description

MLFlow Dataset Caching

📌 Описание

Этот проект предоставляет удобный способ загрузки датасетов в MLflow с поддержкой локального кэширования. Также он позволяет определять собственные классы-посетители (visitor classes) для генерации графиков и отчетов, что упрощает анализ данных.

🚀 Возможности

  • 📂 Локальное кэширование: снижение нагрузки на сеть и ускорение работы с данными.
  • 🔄 Автоматическая загрузка в MLflow: хранение данных в удобном формате для воспроизводимости экспериментов.
  • 📊 Гибкость в анализе: возможность использования пользовательских классов для создания визуализаций и отчетов.

🛠 Установка

pip install mdata_flow

🔧 Использование

1️⃣ Загрузка датасета с кэшированием

IN DEV

2️⃣ Сохранение датасета в MLflow

IN DEV

3️⃣ Определение собственного класса-посетителя

IN DEV

📌 Как работает кэширование?

При загрузке датасета DatasetLoader проверяет, существует ли локальная копия. Если файл уже загружен ранее, он берется из кэша, иначе загружается заново и сохраняется для последующего использования.

🔗 Полезные ссылки

🤝 Вклад

Если у вас есть идеи или улучшения, создавайте Pull Request'ы! Будем рады вашим предложениям. 🚀

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

mdata_flow-0.0.7.tar.gz (18.2 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

mdata_flow-0.0.7-py3-none-any.whl (32.9 kB view details)

Uploaded Python 3

File details

Details for the file mdata_flow-0.0.7.tar.gz.

File metadata

  • Download URL: mdata_flow-0.0.7.tar.gz
  • Upload date:
  • Size: 18.2 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? Yes
  • Uploaded via: twine/6.1.0 CPython/3.12.9

File hashes

Hashes for mdata_flow-0.0.7.tar.gz
Algorithm Hash digest
SHA256 004fe4517f32665792bd60d4bf84c1603fff983e06f199225518ac2539faa644
MD5 b7a0f13129a549e43501a061b928a732
BLAKE2b-256 e3d07489641802165f784c44dda321e1874e40b85156d0c63ab07c8ae52ed2d2

See more details on using hashes here.

Provenance

The following attestation bundles were made for mdata_flow-0.0.7.tar.gz:

Publisher: publish.yaml on lenow55/mdata_flow

Attestations: Values shown here reflect the state when the release was signed and may no longer be current.

File details

Details for the file mdata_flow-0.0.7-py3-none-any.whl.

File metadata

  • Download URL: mdata_flow-0.0.7-py3-none-any.whl
  • Upload date:
  • Size: 32.9 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? Yes
  • Uploaded via: twine/6.1.0 CPython/3.12.9

File hashes

Hashes for mdata_flow-0.0.7-py3-none-any.whl
Algorithm Hash digest
SHA256 5fa7c2da8338a8eab0ebe7f3c7f3f865f09e633f8b76986f63d5df3b5e33633d
MD5 6e3adf327ac1855ed75aab83fc65cb25
BLAKE2b-256 1b0fcde95e5adcee98490724ecb91c6cb06f25e40c23cc2af3e73a983f7648c0

See more details on using hashes here.

Provenance

The following attestation bundles were made for mdata_flow-0.0.7-py3-none-any.whl:

Publisher: publish.yaml on lenow55/mdata_flow

Attestations: Values shown here reflect the state when the release was signed and may no longer be current.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page