explosion/thinc

어떤 프로젝트인가요?

핵심 기능

• 01mypy 플러그인으로 모델 정의의 타입을 검사합니다.
• 02PyTorch, TensorFlow, MXNet 모델을 래핑해 네트워크에서 사용할 수 있습니다.
• 03상속 대신 함수형 방식으로 모델을 조합합니다.
• 04하이퍼파라미터와 객체를 정의하는 config 시스템 및 함수 레지스트리를 제공합니다.
• 05SGD, Adam, RAdam 옵티마이저와 손실 함수를 포함합니다.

활용 사례

• PyTorch 또는 TensorFlow 레이어를 조합해 사용자 정의 NLP 모델을 구축합니다.
• 재현 가능한 파일 기반 설정으로 모델을 학습합니다.
• 딥러닝 모델 코드에 정적 타입 검사를 적용합니다.
• Ray로 파라미터 서버 병렬 학습을 실행합니다.

빠른 시작

1. 1

   pip, setuptools, wheel을 업그레이드합니다

   pip install -U pip setuptools wheel
2. 2

   PyPI에서 Thinc를 설치합니다

   pip install thinc

사용 전 알아둘 점

• !PyTorch나 TensorFlow 같은 일부 백엔드는 기본 설치 외에 추가 선택적 종속성과 설정이 필요합니다.

포함된 컬렉션

토픽

자주 묻는 질문

thinc은(는) 무엇인가요?

모델을 조합하고 PyTorch, TensorFlow, MXNet 레이어를 래핑할 수 있는 경량 타입 검사형 함수형 딥러닝 라이브러리입니다. Thinc는 spaCy와 Prodigy를 만든 팀이 개발한 경량 딥러닝 라이브러리입니다. 클래스 상속 대신 레이어를 조합해 모델을 만드는 함수형 프로그래밍 API를 제공하며, API에 타입 검사를 적용해 mypy로 모델 정의를 검증할 수 있습니다.

thinc은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

thinc은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

thinc은(는) 아직 유지보수되고 있나요?

활발히 유지보수 중. thinc의 마지막 커밋은 2026년 10월 27일입니다.

thinc은(는) 어디에 사용할 수 있나요?

PyTorch 또는 TensorFlow 레이어를 조합해 사용자 정의 NLP 모델을 구축합니다. 재현 가능한 파일 기반 설정으로 모델을 학습합니다. 딥러닝 모델 코드에 정적 타입 검사를 적용합니다. Ray로 파라미터 서버 병렬 학습을 실행합니다.

thinc는 어떻게 설치하나요?

pip, setuptools, wheel을 업그레이드합니다: pip install -U pip setuptools wheel PyPI에서 Thinc를 설치합니다: pip install thinc

thinc은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/explosion/thinc