Skip to main content

Examples Overview

Обзор примеров

В репозитории MLumina есть два независимых дерева примеров:

  • examples/ — самостоятельные скрипты, демонстрирующие каждый пакет фреймворка (xgboost, image_models, torch_models, interpolation_tables, components_wear), плюс пара скриптов для проверки связи с Ray и планировщиком.
  • src/mlumina/ray_wrapper/examples/ — "поваренная книга" готовых пайплайнов Ray Train/Tune (линейная регрессия, SVM, полносвязная сеть, CNN, Vision Transformer), у каждого есть пара train.py/tune.py для прямого запуска и schedule_*.py для запуска через сервис-планировщик.

Статус примеров

Корневой run.sh перечисляет варианты запуска — на момент написания этой документации активна (раскомментирована) только одна строка:

python3.12 ./examples/components_wear/example_objects_simulate_ray.py

Остальные примеры не проверяются автоматически и не покрыты CI. При подготовке этой документации часть из них была прогнана вручную — там, где найдены проблемы (отсутствующие файлы данных, известные баги), это явно отмечено на соответствующей странице.

Как запускать

Большинство примеров в examples/ — обычные Python-скрипты, требующие установленного пакета (pip install -e .) и, для Ray-версий, поднятого кластера (docker compose up -d --build в корне репозитория, см. книгу «Документация MLumina» → страница Deployment). Скрипты в ray_wrapper/examples/ дополнительно предполагают запуск изнутри контейнера head/worker/scheduler (пути вида /home/ray/src/mlumina в runtime_env — это путь внутри контейнера).

Содержание книги

  1. XGBoost Example — полный цикл: загрузка данных, обучение, тюнинг, локально и через Ray.
  2. Image Models Example — обучение и инференс YOLO через YoloImageModel.
  3. Torch Models Example — обучение простой сети и auto_search.
  4. Interpolation Tables Examples — интерполяция таблиц и сравнение sklearn-моделей.
  5. Components Wear Examples — симуляция износа графа компонентов (включая рабочий и сломанный сценарии).
  6. Scheduler and Ray Basics — минимальные скрипты проверки связи с кластером и планировщиком.
  7. Ray Wrapper: Linear Regression and SVM — простейшие шаблоны ray.tune.
  8. Ray Wrapper: FCNN and CNN — полносвязные и свёрточные сети на MNIST/CIFAR-10.
  9. Ray Wrapper: Vision Transformer — ViT на CIFAR-10/CIFAR-100.
  10. Running Examples via Scheduler — как отправить любой из примеров в очередь планировщика вместо прямого запуска.

Модульная документация самих API-классов, которые используют эти примеры, — в книге «Документация MLumina».

Back to top