論文の概要: Repro: An Open-Source Library for Improving the Reproducibility and
Usability of Publicly Available Research Code
- arxiv url: http://arxiv.org/abs/2204.13848v1
- Date: Fri, 29 Apr 2022 01:54:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-02 13:16:46.388225
- Title: Repro: An Open-Source Library for Improving the Reproducibility and
Usability of Publicly Available Research Code
- Title（参考訳）: repro: 公開研究コードの再現性とユーザビリティを向上させるためのオープンソースライブラリ
- Authors: Daniel Deutsch and Dan Roth
- Abstract要約: Reproは、研究コードのユーザビリティ向上を目的とした、オープンソースのライブラリである。
Dockerコンテナ内で研究者がリリースしたソフトウェアを実行するための軽量Python APIを提供する。
- 参考スコア（独自算出の注目度）: 74.28810048824519
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Repro, an open-source library which aims at improving the
reproducibility and usability of research code. The library provides a
lightweight Python API for running software released by researchers within
Docker containers which contain the exact required runtime configuration and
dependencies for the code. Because the environment setup for each package is
handled by Docker, users do not have to do any configuration themselves. Once
Repro is installed, users can run the code for the 30+ papers currently
supported by the library. We hope researchers see the value provided to others
by including their research code in Repro and consider adding support for their
own research code.
- Abstract（参考訳）: 本稿では,研究コードの再現性とユーザビリティ向上を目的としたオープンソースライブラリReproを紹介する。
このライブラリは、Dockerコンテナ内の研究者がリリースしたソフトウェアを実行するための軽量Python APIを提供する。
各パッケージの環境設定はDockerによって処理されるため、ユーザは自分で設定を行う必要はない。
Reproがインストールされると、ユーザは現在ライブラリでサポートされている30以上の論文のコードを実行できる。
研究者はReproに研究コードを含めることによって、他人に提供される価値を期待し、独自の研究コードのサポートを追加することを検討している。
関連論文リスト
- Lighthouse: A User-Friendly Library for Reproducible Video Moment Retrieval and Highlight Detection [14.227865973426843]
再現性のあるビデオモーメント検索とハイライト検出(MR-HD)のためのユーザフレンドリーなライブラリLighthouseを提案する。
1つ目は、さまざまなメソッド、データセット、ビデオテキスト機能にまたがる包括的な再現可能な実験の欠如である。これは、統一されたトレーニングと評価が複数の設定をカバーすることができないためである。
ほとんどの作業はトレーニングコードのみをリリースし、MR-HDの推論プロセス全体を実装する必要がある。Lighthouseは6つのモデル、3つの機能、5つのデータセットを含む統一的な再現可能な実装によってこれらの問題に対処する。
論文 参考訳（メタデータ） (2024-08-06T02:15:12Z) - Contributing Back to the Ecosystem: A User Survey of NPM Developers [10.154686574810501]
NPMエコシステムの49人の開発者を対象とした調査。
開発者は、エコシステムにコントリビュートするよりも、独自のパッケージをメンテナンスする傾向にあります。
当社の成果は,これらのエコシステムを維持するためのツールサポートと研究への新たな道を開くものである。
論文 参考訳（メタデータ） (2024-07-01T00:15:55Z) - PufferLib: Making Reinforcement Learning Libraries and Environments Play Nice [0.8702432681310401]
PufferLibは、一般的な互換性問題を排除したワンライン環境ラッパーを提供する。
PufferLibを使えば、CleanRLやSB3といった慣れ親しんだライブラリを使って、AtariやProcgenといった古典的なベンチマークからNetHackやNeural MMOのような複雑なシミュレータまでスケールすることができる。
私たちのコードはすべて、MITライセンスの下でフリーでオープンソースのソフトウェアです。
論文 参考訳（メタデータ） (2024-06-11T21:13:34Z) - Analyzing the Accessibility of GitHub Repositories for PyPI and NPM Libraries [91.97201077607862]
産業アプリケーションはオープンソースソフトウェア(OSS)ライブラリに大きく依存しており、様々な利点を提供している。
このようなコミュニティの活動を監視するには、エコシステムのライブラリの包括的なリポジトリのリストにアクセスしなければなりません。
本研究では、PyPIライブラリとNPMライブラリのGitHubリポジトリのアクセシビリティを分析する。
論文 参考訳（メタデータ） (2024-04-26T13:27:04Z) - torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。
環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文 参考訳（メタデータ） (2023-05-24T00:20:59Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳（メタデータ） (2023-04-21T10:00:22Z) - Code Librarian: A Software Package Recommendation System [65.05559087332347]
オープンソースライブラリ用のリコメンデーションエンジンであるLibrarianを提示する。
1)プログラムのインポートライブラリで頻繁に使用されること、2)プログラムのインポートライブラリと似た機能を持つこと、3)開発者の実装と似た機能を持つこと、4)提供されるコードのコンテキストで効率的に使用できること、である。
論文 参考訳（メタデータ） (2022-10-11T12:30:05Z) - skrl: Modular and Flexible Library for Reinforcement Learning [0.0]
skrlはPythonで書かれた強化学習のためのオープンソースのモジュールライブラリである。
NVIDIA Isaac Gym環境のロード、設定、操作を可能にする。
論文 参考訳（メタデータ） (2022-02-08T12:43:31Z) - MushroomRL: Simplifying Reinforcement Learning Research [60.70556446270147]
MushroomRLはオープンソースのPythonライブラリで、強化学習(RL)実験の実装と実行を簡単にするために開発された。
他の利用可能なライブラリと比較して、MushroomRLは、新しいRL方法論の実装とテストの労力を最小限に抑えるために、包括的で柔軟なフレームワークを提供することを目的として作られた。
論文 参考訳（メタデータ） (2020-01-04T17:23:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。