explosion/thinc

これは何？

主な機能

• 01mypyプラグインを使ってモデル定義を型チェックします。
• 02PyTorch、TensorFlow、MXNetのモデルをラップし、ネットワーク内で利用できます。
• 03継承ではなく、関数型の方法でモデルを組み合わせます。
• 04ハイパーパラメータやオブジェクトを記述する設定システムと関数レジストリを備えています。
• 05SGD、Adam、RAdamのオプティマイザーと損失関数を含みます。

ユースケース

• PyTorchやTensorFlowのレイヤーを組み合わせたカスタムNLPモデルの構築。
• 再現性のあるファイルベースの設定を使ったモデルの学習。
• ディープラーニングモデルのコードへの静的型チェックの導入。
• Rayを使った並列パラメータサーバー学習の実行。

クイックスタート

1. 1

   pip、setuptools、wheelをアップグレードする

   pip install -U pip setuptools wheel
2. 2

   PyPIからThincをインストールする

   pip install thinc

使う前に知っておきたいこと

• !PyTorchやTensorFlowなどの一部のバックエンドでは、基本インストールに加えて、追加のオプション依存関係やセットアップが必要です。

収録されている特集

トピック

よくある質問

thinc とは？

モデルの組み合わせやPyTorch、TensorFlow、MXNetのレイヤーのラップに使える、軽量で型チェック対応の関数型ディープラーニングライブラリ。 spaCyとProdigyの開発元が提供する、軽量なディープラーニングライブラリです。クラス継承ではなくレイヤーを組み合わせてモデルを構築する関数型プログラミングAPIを備えています。また、APIは型チェックに対応しており、mypyでモデル定義を検証できます。

thinc は無料で使えますか？ライセンスは？

thinc は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

thinc は今もメンテナンスされていますか？

活発にメンテナンス中。thinc の最終コミットは 2026年10月27日 です。

thinc は何に使えますか？

PyTorchやTensorFlowのレイヤーを組み合わせたカスタムNLPモデルの構築。 再現性のあるファイルベースの設定を使ったモデルの学習。 ディープラーニングモデルのコードへの静的型チェックの導入。 Rayを使った並列パラメータサーバー学習の実行。

thinc のインストール方法は？

pip、setuptools、wheelをアップグレードする: pip install -U pip setuptools wheel PyPIからThincをインストールする: pip install thinc

thinc はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/explosion/thinc