fusilli

🌸 실수하지 마세요, 모든 멀티모달 데이터 융합 니즈에 fusilli를 사용하세요! 🌸

Twitter

Documentation Status

version

downloads

소개 (Introduction)

🍝 머신러닝에서 멀티모달 데이터 융합을 위한 궁극의 라이브러리인 fusilli에 오신 것을 환영합니다! Fusilli는 다양한 데이터 유형을 효율적으로 결합할 수 있는 플랫폼을 제공하여 데이터 융합을 식은 죽 먹기처럼 쉽게 만듭니다.

Fusilli로 무엇을 할 수 있나요? (What can Fusilli do?)

멀티모달 데이터 융합은 공통의 목표를 추구하는 과정에서 서로 다른 유형의 데이터(또는 데이터 모달리티)를 결합하는 것입니다. 예를 들어, 혈액 검사 결과와 신경 영상 데이터를 모두 사용하여 누군가가 질병에 걸릴지 예측하는 것과 같습니다.

데이터 모달리티를 결합하는 방법은 매우 다양하며, fusilli의 목표는 누구나 다양한 방법을 서로 비교할 수 있는 플랫폼을 제공하는 것입니다.

Fusilli는 PyTorch Lightning과 PyTorch Geometric을 사용하여 구축되었으며, 현재 다음 시나리오들을 지원합니다:

1. 표(Tabular)-표(Tabular) 융합: 두 가지 (또는 대부분의 방법론에서는 세 가지) 다른 유형의 표 데이터 결합.
2. 표(Tabular)-이미지(Image) 융합: 한 유형의 표 데이터와 이미지 데이터(2D 또는 3D) 결합.

Fusilli는 회귀 (regression), 이진 분류 (binary classification), 그리고 **다중 클래스 분류 (multi-class classification)**를 포함한 다양한 예측 작업을 지원합니다. 다만, 현재 클러스터링이나 분할(segmentation)과 같은 작업은 지원하지 않습니다.

더 알고 싶으신가요? Read the Docs 링크에서 확인하실 수 있습니다.

설치 (Installation)

fusilli의 맛을 음미하려면 pip을 사용하여 설치할 수 있습니다:

pip install fusilli

빠른 시작 (Quick Start)

다음은 fusilli를 사용하여 회귀 모델을 훈련하고 실제 값과 예측 값을 플로팅하는 간단한 예시입니다.

    from fusilli.data import prepare_fusion_data
    from fusilli.train import train_and_save_models
    from fusilli.eval import RealsVsPreds
...

인용 방법 (How to Cite)

Florence Townend, Patrick J. Roddy, & Philipp Goebl. (2024). florencejt/fusilli: Fusilli v1.1.0 (v1.1.0).
Zenodo. https://doi.org/10.5281/zenodo.10463697

기여하기! (Contribute!)

새로운 융합 방법을 개발했거나 Fusilli를 개선하고 싶다면, 우리의 기여 가이드라인을 확인하여 시작해 보세요.
PyTorch 템플릿과 기여 지침은 contributions documentation에서 확인할 수 있습니다.

저자 및 감사의 글 (Authors and Acknowledgements)

fusilli는 Florence J Townend, James Chapman, 그리고 James H Cole이 작성했습니다.

Florence J Townend는 이 소프트웨어의 초기 개발 기간 동안 UCL UKRI Centre for Doctoral Training in AI-enabled Healthcare studentship (EP/S021612/1)의 지원을 받았습니다.

라이선스 (License)

본 프로젝트는 AGPLv3에 따라 라이선스가 부여되었습니다. 자세한 내용은 LICENSE 파일을 참조하십시오.