一切尽在掌控之中：这个Python脚本，让工作自动向你汇报进度

正文

请到「今天看啥」查看全文

{MODELNAME}/epoch_{e}_loss.png ,
f .. /visuals/ {MODELNAME}/epoch_{e}_iter_{i}.png
]
) # note that weattach two images here, the loss plot and
# ...a generated image output from our model
notify.send(msg) # we then send the message

每隔100个epoch，就会发送一封包含上述所有内容的电子邮件。以下是其中一封邮件:

数据处理和传输

这点不是很有趣，但在时间消耗方面，它排第一名。

以使用Python将批量数据上传到SQLServer为例(对于没有BULK INSERT的人)。在上传脚本的最后，会有一个简单的消息通知上传完成。

import os
      import notify
      from data importSql  # seehttps://jamescalam.github.io/pysqlplus/lib/data/sql.html
             dt =Sql( database123 ,  server001 )  # setup theconnection to SQL Server
             for i, file inenumerate(os.listdir( ../data/new )):
          dt.push_raw(f ../data/new/{file} )  # push a file to SQL Server
             # once the upload is complete, send a notification
      # first we create the message
      msg = notify.message(
          subject= SQL Data Upload ,
          text=f Data upload complete, {i} filesuploaded. ,
      )
             # send the message
      notify.send(msg)

如果偶尔抛出错误，还可以添加一个try-except语句来捕获错误，并将其添加到一个列表中，以包含在更新和/或完成电子邮件中。

金融模型

金融建模中运行的所有东西实际上都非常快，所以此处只能提供一个示例。

以 现金流动模型工具 为例。现实中，这个过程只需要10-20秒，但现在假设你是华尔街炙手可热的定量分析师，正在处理几百万笔贷款。在这封电子邮件中，可能想要包含一个高级概要分析的投资组合。可以随机选择一些贷款，并在给定的时间段内可视化关键值——给定一个小样本来交叉检验模型的性能。

end = datetime.datetime.now()  # get the ending datetime
             # get the total runtime in hours:minutes:seconds
                      hours,rem =divmod((end - start).seconds, 3600)
                      mins,secs =divmod(rem, 60)
                      runtime= {:02d}:{:02d}:{:02

请到「今天看啥」查看全文