Greenglas •

Greenglas试图为机器学习任务提供智能且可定制的预处理管道。针对最常见的数据类型的清洁预处理方法，使预处理变得简单。Greenglas提供修改器和转换器的管道，将非数值数据转换为Coaster的SharedTensor形式的安全和一致数值输出。为了使用预处理后的数据，您可能希望使用机器学习框架Leaf。

更多信息请参阅文档。

架构

Greenglas公开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。

数据类型可以通过修改器进行修改。这提供了一个统一的接口，允许使用自定义修改器。您可以在下面了解更多关于自定义修改器的信息。首先是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))

通过修改器进行一次、零次或多次修改后，数据类型最终可以转换为SharedTensor（数值向量）。以下是从上面的例子中取出的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();

可转换的数据类型

这些是Greenglas目前处理的数据类型。对于其中大部分已经指定了基本的修改器和转换器。

• Missing：NULL数据
• Label：标签化数据，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。由于所有可转换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 greenglas;

use greenglas::Image;
use greenglas::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

想要贡献？太棒了！我们提供了 帮助您开始贡献代码或文档的说明。

开发主要在异步协作文化中进行，并在 Gitter 频道 或通过 github 问题进行。或者您联系维护者。例如，{@drahnr }。

除非您明确声明，否则任何有意提交以包含在您的工作中的贡献，如 Apache-2.0 许可证中定义的，均应按以下方式双许可，不附加任何额外条款或条件。

许可证

以下任一许可证下授权

• Apache 许可证第 2 版 (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。