scholar

基于Nx构建的传统机器学习工具。Scholar实现了多种算法，用于分类、回归、聚类、降维、度量和预处理。

对于深度学习，请参见Axon。对于决策树/森林，请参见EXGBoost。

安装

Mix项目

在您的mix.exs中添加：

def deps do
  [
    {:scholar, "~> 0.3.0"}
  ]
end

除了Scholar，您很可能还需要使用现有的Nx编译器/后端，比如EXLA：

def deps do
  [
    {:scholar, "~> 0.3.0"},
    {:exla, ">= 0.0.0"}
  ]
end

然后在您的config/config.exs文件中：

import Config
config :nx, :default_backend, EXLA.Backend
# 客户端也可以设置为:cuda / :rocm
config :nx, :default_defn_options, [compiler: EXLA, client: :host]

需要JIT！{: .warning}

重要的是，您需要按照上面的代码片段设置default_defn_options，因为Scholar中的许多算法使用循环，在JIT编译时内存效率更高。

如果由于某些原因您不能设置默认的defn编译器，您可以显式地对任何函数进行JIT编译，例如：EXLA.jit(&Scholar.Cluster.AffinityPropagation.fit/1)。

笔记本

要在代码笔记本中使用Scholar，请运行：

Mix.install([
  {:scholar, "~> 0.3.0"},
  {:exla, ">= 0.0.0"}
])

Nx.global_default_backend(EXLA.Backend)
# 客户端也可以设置为:cuda / :rocm
Nx.Defn.global_default_options(compiler: EXLA, client: :host)

需要JIT！{: .warning}

重要的是，您需要按照上面的代码片段设置Nx.Defn.global_default_options/1，因为Scholar中的许多算法使用循环，在JIT编译时内存效率更高。

如果由于某些原因您不能设置默认的defn编译器，您可以显式地对任何函数进行JIT编译，例如：EXLA.jit(&Scholar.Cluster.AffinityPropagation.fit/1)。