khqp_trainer

leo/khqp_trainer

Fork 0

Go to file

leo c6afedaea7 db 初始化

2024-03-07 23:16:43 +08:00

.streamlit

flush db v1

2024-03-06 20:30:27 +08:00

bak

y有bug

2024-03-07 21:26:00 +08:00

.gitignore

init

2024-03-06 17:03:38 +08:00

data.db

db 初始化

2024-03-07 23:16:43 +08:00

db_utils.py

y有bug

2024-03-07 21:26:00 +08:00

docker-compose.yml

docker deploy

2024-03-07 00:00:42 +08:00

Dockerfile

docker deploy

2024-03-07 00:02:34 +08:00

flush.py

更新数据

2024-03-07 19:47:24 +08:00

main.py

完成v1, 整理好所有参数

2024-03-07 23:15:38 +08:00

README.md

实现mode 1

2024-03-07 22:32:28 +08:00

requirements.txt

docker deploy

2024-03-07 00:03:02 +08:00

start.sh

docker deploy

2024-03-06 23:59:15 +08:00

test.py

实现变更同步到数据库

2024-03-06 22:02:27 +08:00

README.md

万事胜意: 你可以理解为,现在我上面写的所有train_data都是数据库初始化的值,都是不规则的所以要初始化时就填入,后续在streamlit 新添加的都会默认的把path填好比如我填2023 KHQP 001 path就能有

万事胜意: lbs_path 不生成精度在初始化数据库都给S3

UI

reference

streamlit data_editor

streamlit_sqlite

模型训练的启动参数在这个页面配置, 包括训练集, 测试集, 会在这个页面编辑数据实际使用的数据是那两个path, 后续需要在这个页面补充训练数据或测试数据

每次运行都要把一些数据加载到数据库里, 还是说把这些数据处理到数据库里后, 之后就是对数据库操作了然后是不是 val_data 也需要放到这个数据库里

lbs模式: select(train==1, path=lbs_path) lbs优先模式: select(train==1, path=lbs_path if lbs_path else path) 不使用lbs模式: select(train==1, path=path)