Skip to content

历史记录

当然！以下是您可以用于 history.md 文件的发布更新：

1.1.0 (2024-01-15)

新功能和增强

  • 新增 DANet 模型：为表格数据添加了新的 DANet 模型。
  • 可解释性：集成了 Captum 以增强可解释性。
  • 超参数调优器：添加了网格搜索和随机搜索功能，以搜索超参数并返回最佳模型。
  • 模型扫描：添加了一个简单的“模型扫描”方法，可以使用给定数据快速评估一系列模型的性能。
  • 文档改进：改进了文档，使其更加用户友好和信息丰富。
  • 依赖更新：更新了各种依赖项以提高兼容性和安全性。
  • 优雅的内存溢出处理：为表格模型添加了优雅的内存溢出处理。
  • GhostBatchNorm：在库中添加了 GhostBatchNorm。

弃用

  • 弃用处理：处理了弃用并相应地更新了库。
  • 移除 entmax 依赖：移除了对 entmax 的依赖。

基础设施和 CI/CD

  • 持续集成：通过新的操作和标签改进了 CI。
  • 依赖管理：更新了依赖项并重构了需求。

API 变更

  • [重大变更] SSL API 变更：解决了 SSL API 变更，并更新了文档和教程。
  • 模型变更：在表格模型中添加了 is_fitted 和其他标记。
  • 自定义优化器：允许在模型配置中使用自定义优化器。

贡献者

升级

  • 确保检查更新后的文档以了解任何重大变更或新功能。
  • 如果您使用 SSL，请检查更新后的 API 和文档。

1.0.2 (2023-05-31)

新功能：

  • 添加了特征重要性：库中现在包含了一个新的方法，用于在 TabularModel 和 BaseModel 中启用特征重要性。特征重要性已为 FTTransformer 和 GATE 模型启用。[提交: dc2a49e]

增强：

  • 在 GATE 模型中启用了两个额外的参数。[提交: 3680413]
  • 在库配置中包含了 metric_prob_input 参数。此更新允许更好地控制模型中的指标。[提交: 0612db5]
  • 对 GATE 模型进行了轻微改进，包括更改默认值以提高性能。[提交: c30a6c3]
  • 修复了一些小错误并进行了改进，包括配置中的加速器选项和进度条增强。[提交: f932230, bdd9adb, f932230]

依赖更新：

  • 更新了依赖项，包括 docformatter、pyupgrade 和 ruff-pre-commit。[提交: 4aae9a8, b3df4ce, bdd9adb, 55e800c, c6c4679, c01154b, 107cd2f]

文档更新：

  • 更新了库的 README.md 文件。[提交: db8f3b2, cab6bf1, 669faec, 1e6c400, 3097799, 7fabf6b]

其他改进：

  • 各种代码优化、错误修复和 CI 增强。[提交: 5637020, e5171bf, 812b40f]

更多详情，您可以参考库的 GitHub 仓库中的相应提交。

1.0.1 (2023-01-20)

  • 修复了二分类的默认指标错误

1.0.0 (2023-01-18)

  • 添加了一个新任务 - 自监督学习 (SSL) 及其单独的训练 API。
  • 添加了新的 SOTA 模型 - 门控加性树集成 (GATE)。
  • 添加了一个 SSL 模型 - 去噪自动编码器。
  • 添加了许多新教程并更新了整个文档。
  • 改进了代码文档和类型提示。
  • 将模型分离为单独的嵌入、主干和头部。
  • 重构了所有模型，将主干分离为原生 PyTorch 模型 (nn.Module)。
  • 将常用模块（层、激活等）重构为一个通用模块。
  • 完全更改了 MixedDensityNetworks（重大变更）。现在 MDN 是一个头部，您可以与任何模型一起使用。
  • 启用了用于训练模型的低级 API。
  • 启用了数据模块的保存和加载。
  • 添加了 trainer_kwargs 以传递 PyTorch Lightning 支持的任何训练器参数。
  • 添加了 Early Stopping 和 Model Checkpoint kwargs，以使用 PyTorch Lightning 中的所有参数。
  • 在预测方法中启用了使用 GPU 进行预测。
  • 添加了 reset_model 以将模型权重重置为随机值。
  • 添加了许多保存和加载功能，包括 ONNX（实验性）。
  • 添加了随机种子作为参数。
  • 完全切换到 Rich 进度条，取代了 tqdm。
  • 修复了类平衡 / mu 传播，并将其默认设置为 1.0。
  • 添加了 PyTorch Profiler 用于调试性能问题。
  • 修复了 FTTransformer 和 TabTransformer 的错误。
  • 更新了 MixedDensityNetworks，修复了 lambda_pi 的错误。
  • 许多 CI/CD 改进，包括与 GitHub Actions 的完全集成。
  • 升级了所有依赖项，包括 PyTorch Lightning、pandas 到最新版本，并添加了 dependabot 以管理未来的依赖项。
  • 添加了 pre-commit 以确保代码完整性和标准化。

0.7.0 (2021-09-01)

  • 实现了 TabTransformer 和 FTTransformer 模型
  • 增加了使用GPU保存模型并在CPU上加载的功能
  • 使临时文件夹特定于PyTorch Tabular，以避免与其他临时文件夹发生冲突。
  • 修复了一些错误
  • 从文档的高级教程中删除了一个错误

0.6.0 (2021-06-21)

  • 将PyTorch Lightning版本升级到1.3.6
  • 更改了处理gpus参数的方式以避免混淆。None表示CPU，-1表示所有GPU，int表示GPU数量
  • 添加了更多训练器参数，如deterministic、auto_select_gpus
  • 修复了一些错误并修改了文档
  • 在fit方法中添加了seed_everything以确保可重复性
  • 重构了data_aware_initialization，使其成为BaseModel的一部分。继承的模型可以重写该方法以实现数据感知初始化技术

0.5.0 (2021-03-18)

  • 增加了更多文档
  • 添加了Zenodo引用

0.4.0 (2021-03-18)

  • 添加了AutoInt模型
  • 添加了混合密度网络
  • 重构了类，将骨干网络与模型头部分离
  • 更改了保存和加载模型的方式，以适用于在fit中传递的自定义参数

0.3.0 (2021-03-02)

  • 修复了推理中的一个错误

0.2.0 (2021-02-07)

  • 修复了torch.clip和torch版本的问题
  • 通过将TrainerConfig中的gpus参数默认值设置为None以修复CPU问题
  • 增加了在训练数据加载器中使用自定义采样器的功能
  • 更新了文档并添加了一个新的不平衡分类教程

0.0.1 (2021-01-26)

  • 首次在PyPI上发布。