【文件属性】：
文件名称：用于构建高效数据科学工作流程的Python库-Python开发
文件大小：83KB
文件格式：ZIP
更新时间：2021-05-25 16:25:23
Python Deep Learning
Databolt Flow对于数据科学家和数据工程师而言，d6tflow是一个python库，使构建复杂的数据科学工作流变得容易，快速和直观。
它建立在工作流管理器luigi之上，但是与luigi不同，它是o Databolt Flow对于数据科学家和数据工程师而言，d6tflow是一个python库，可简化，快速且直观地构建复杂的数据科学工作流。
它基于工作流管理器luigi构建，但与luigi不同，它针对数据科学工作流进行了优化。
为什么要使用d6tflow？
数据科学工作流通常看起来像这样。
工作流涉及将参数化的任务链接在一起，这些任务在彼此之间传递多个输入和输出。
输出数据存储在多个dataf中
【文件预览】：
d6tflow-master
----.gitignore(1KB)
----README.md(8KB)
----requirements-dev.txt(16B)
----tests()
--------savemeta.py(732B)
--------test_requires.py(759B)
--------publish.sh(433B)
--------test_meta.py(4KB)
--------flow-d6tpipe.py(5KB)
--------main.py(15KB)
--------test_export.py(6KB)
--------__init__.py(0B)
--------test_inputLoad.py(5KB)
--------test_workflow.py(9KB)
--------tmp.py(362B)
----d6tflow()
--------tasks()
--------cache.py(58B)
--------targets()
--------functional.py(12KB)
--------settings.py(368B)
--------utils.py(2KB)
--------__init__.py(17KB)
--------pipes.py(9KB)
----docs()
--------example-tf.py(2KB)
--------example-functional.ipynb(7KB)
--------shell-napoleon-html.sh(10B)
--------example-trading.py(8KB)
--------make.bat(773B)
--------example.py(3KB)
--------example-minimal-cache.py(938B)
--------source()
--------example.ipynb(9KB)
--------example-ml-compare-short.py(2KB)
--------example-functional.py(1KB)
--------example-onnx.py(2KB)
--------d6tflow-docs-graph.png(5KB)
--------example-ml-compare.py(3KB)
--------example-ml-compare-pseudo.py(2KB)
--------example-ml-compare2.py(5KB)
--------example-ml.md(4KB)
--------blog()
--------Makefile(612B)
--------shell-napoleon-recreate.sh(97B)
--------example-minimal.py(1KB)
----LICENSE(1KB)
----requirements.txt(54B)
----MANIFEST.in(33B)
----setup.py(1010B)