Cuticula •

Cuticula 尝试为机器学习任务的数据预处理提供智能且可定制的管道。针对最常见类型的数据的干净预处理方法，使预处理变得简单。Cuticula 提供了一个 Modifiers 和 Transformers 的管道，将非数值数据转换为 Collenchyma 的 SharedTensor 形式的安全且一致的数值输出。为了使用预处理后的数据，您可能会喜欢使用机器学习框架 Leaf。

有关更多信息，请参阅 文档。

架构

Cuticula 暴露了几个标准数据类型，这些数据类型可能需要数值转换才能被机器学习算法（如神经网络）处理。

数据类型可以通过 Modifiers 进行修改。这提供了一个一致的接口，允许自定义修饰符。您可以在下面了解更多关于自定义修饰符的信息。首先，一个数据类型修改的例子

let mut data_type = Image { value: ... }
data_type = data_type.set((ModifierOne(param1, param2), ModifierTwo(anotherParam));
image.set(Resize(20, 20))

经过一次、多次或多次通过 Modifiers 的修改后，数据类型最终可以转换为 SharedTensor（数值向量）。以下示例中的 data_type

// the Vector secures the correct shape and capacity of the final SharedTensor
let final_tensor = data_type.transform(vec![20, 20, 3]).unwrap();

可转换数据类型

这是当前 cuticula 处理的数据类型。其中大部分已经指定了基本的 Modifiers 和 Transformers。

• Missing：NULL 数据
• Label：标签数据，如 ID、类别等。
• Word：任意长度的字符串
• 图像
• 音频

修饰符

所有修饰符都实现了来自 rust-modifier 的 Modifier 特性。由于所有可变换的数据类型都实现了同一库中的 Set 特性，因此可以轻松编写自定义修饰符。快速示例

extern crate cuticula;

use cuticula::Image;
use cuticula::modifier::Modifier;

struct CustomModifier(usize)

impl Modifier<Image> for CustomModifier {
    fn modify(self, image: &mut Image) {
        image.value = some_extern_image_manipulation_fn(self.0);
    }
}

贡献

想贡献吗？太棒了！我们提供了 指南，帮助您开始贡献代码或文档。

Autumn 有一个主要是实时协作的文化，在 Autumn Gitter 频道 上进行。或者您可以联系维护者。例如，{@MJ，@hobofan}。

除非您明确表示，否则您提交的任何贡献，根据 Apache-2.0 许可证定义，将按照以下方式双许可，不附加任何额外条款或条件。

许可证

以下任一许可证下发布：

• Apache 许可证 2.0 版本，(LICENSE-APACHE 或 https://apache.ac.cn/licenses/LICENSE-2.0)
• MIT 许可证 (LICENSE-MIT 或 http://opensource.org/licenses/MIT)

任选其一。