修改了最新的文档

README.md

@@ -2,7 +2,7 @@
 
 [![Build Status](https://travis-ci.org/fastnlp/fastNLP.svg?branch=master)](https://travis-ci.org/fastnlp/fastNLP)
 [![codecov](https://codecov.io/gh/fastnlp/fastNLP/branch/master/graph/badge.svg)](https://codecov.io/gh/fastnlp/fastNLP)
-[![PyPI version](https://badge.fury.io/py/fastNLP.svg)](https://badge.fury.io/py/fastNLP)
+[![Pypi](https://img.shields.io/pypi/v/fastNLP.svg)](https://pypi.org/project/fastNLP)
 ![Hex.pm](https://img.shields.io/hexpm/l/plug.svg)
 [![Documentation Status](https://readthedocs.org/projects/fastnlp/badge/?version=latest)](http://fastnlp.readthedocs.io/?badge=latest)
 
@@ -32,12 +32,14 @@ fastNLP 依赖如下包:
 pip install fastNLP
 ```
 
+
 ## 参考资源
 
 - [文档](https://fastnlp.readthedocs.io/zh/latest/)
 - [源码](https://github.com/fastnlp/fastNLP)
 
 
+
 ## 内置组件
 
 大部分用于的 NLP 任务神经网络都可以看做由编码（encoder）、聚合（aggregator）、解码（decoder）三种模块组成。
@@ -108,5 +110,6 @@ fastNLP的大致工作流程如上图所示，而项目结构如下：
 </table>
 
 
+<hr>
 
 *In memory of @FengZiYjun.  May his soul rest in peace. We will miss you very very much!*

docs/source/index.rst

@@ -55,6 +55,7 @@ fastNLP 在 :mod:`~fastNLP.models` 模块中内置了如 :class:`~fastNLP.models
     安装指南 <user/installation>
     快速入门 <user/quickstart>
     详细指南 <user/tutorial_one>
+    科研指南 <user/with_fitlog>
 
 API 文档
 -------------

docs/source/user/with_fitlog.rst

@@ -2,4 +2,121 @@
 科研向导
 =================
 
-本文介绍使用 fastNLP 和 fitlog 进行科学研究的方法
+本文介绍结合使用 fastNLP 和 fitlog 进行科研的方法。
+
+首先，我们需要安装 `fitlog <https://fitlog.readthedocs.io/>`_ 。你需要确认你的电脑中没有其它名为 `fitlog` 的命令。
+
+我们从命令行中进入到一个文件夹，现在我们要在文件夹中创建我们的 fastNLP 项目。你可以在命令行输入 `fitlog init test1` ，
+然后你会看到如下提示::
+
+    Initialized empty Git repository in /Users/fdujyn/workspaces/test1/.git/
+    Auto commit by fitlog
+    Initialized empty Git repository in /Users/fdujyn/workspaces/test1/.git/
+    Fitlog project test1 is initialized.
+
+这表明你已经创建成功了项目文件夹，并且在项目文件夹中已经初始化了 Git。如果你不想初始化 Git，
+可以参考文档 `命令行工具 <https://fitlog.readthedocs.io/zh/latest/user/command_line.html>`_
+
+现在我们进入你创建的项目文件夹 test1 中，可以看到有一个名为 logs 的文件夹，后面我们将会在里面存放你的实验记录。
+同时也有一个名为 main.py 的文件，这是我们推荐你使用的训练入口文件。文件的内容如下::
+
+    import fitlog
+
+    fitlog.commit(__file__)             # auto commit your codes
+    fitlog.add_hyper_in_file (__file__) # record your hyperparameters
+
+    """
+    Your training code here, you may use these functions to log your result:
+        fitlog.add_hyper()
+        fitlog.add_loss()
+        fitlog.add_metric()
+        fitlog.add_best_metric()
+        ......
+    """
+
+    fitlog.finish()                     # finish the logging
+
+我们推荐你保留除注释外的四行代码，它们有助于你的实验，
+他们的具体用处参见文档 `用户 API <https://fitlog.readthedocs.io/zh/latest/fitlog.html>`_
+
+我们假定你要进行前两个教程中的实验，并已经把数据复制到了项目根目录下的 tutorial_sample_dataset.csv 文件中。
+现在我们编写如下的训练代码，使用 :class:`~fastNLP.core.callback.FitlogCallback` 进行实验记录保存::
+
+    import fitlog
+    from fastNLP import Vocabulary, Trainer, CrossEntropyLoss, AccuracyMetric
+    from fastNLP.io import CSVLoader
+    from fastNLP.models import CNNText
+    from fastNLP.core.callback import FitlogCallback
+
+    fitlog.commit(__file__)             # auto commit your codes
+    fitlog.add_hyper_in_file (__file__) # record your hyperparameters
+
+    ############hyper
+    word_embed = 50
+    dropout = 0.1
+    ############hyper
+
+    loader = CSVLoader(headers=('raw_sentence', 'label'), sep='\t')
+    dataset = loader.load("tutorial_sample_dataset.csv")
+
+    dataset.apply(lambda x: x['raw_sentence'].lower(), new_field_name='sentence')
+    dataset.apply(lambda x: x['sentence'].split(), new_field_name='words', is_input=True)
+    dataset.apply(lambda x: int(x['label']), new_field_name='target', is_target=True)
+    vocab = Vocabulary(min_freq=2).from_dataset(dataset, field_name='words')
+    vocab.index_dataset(dataset, field_name='words',new_field_name='words')
+
+    model = CNNText((len(vocab),word_embed), num_classes=5, padding=2, dropout=dropout)
+
+    train_dev_data, test_data = dataset.split(0.1)
+    train_data, dev_data = train_dev_data.split(0.1)
+
+    trainer = Trainer(model=model, train_data=train_data, dev_data=dev_data,
+                      loss=CrossEntropyLoss(), metrics=AccuracyMetric(),
+                      callbacks=[FitlogCallback(test_data)])
+    trainer.train()
+
+    fitlog.finish()                     # finish the logging
+
+用命令行在项目目录下执行 `python main.py` 之后，输出结果如下::
+
+    Auto commit by fitlog
+    input fields after batch(if batch size is 2):
+        words: (1)type:torch.Tensor (2)dtype:torch.int64, (3)shape:torch.Size([2, 11])
+    target fields after batch(if batch size is 2):
+        target: (1)type:torch.Tensor (2)dtype:torch.int64, (3)shape:torch.Size([2])
+
+    training epochs started 2019-05-23-21-11-51
+    Evaluation at Epoch 1/10. Step:2/20. AccuracyMetric: acc=0.285714
+
+    Evaluation at Epoch 2/10. Step:4/20. AccuracyMetric: acc=0.285714
+
+    Evaluation at Epoch 3/10. Step:6/20. AccuracyMetric: acc=0.285714
+
+    Evaluation at Epoch 4/10. Step:8/20. AccuracyMetric: acc=0.428571
+
+    Evaluation at Epoch 5/10. Step:10/20. AccuracyMetric: acc=0.571429
+
+    Evaluation at Epoch 6/10. Step:12/20. AccuracyMetric: acc=0.571429
+
+    Evaluation at Epoch 7/10. Step:14/20. AccuracyMetric: acc=0.285714
+
+    Evaluation at Epoch 8/10. Step:16/20. AccuracyMetric: acc=0.142857
+
+    Evaluation at Epoch 9/10. Step:18/20. AccuracyMetric: acc=0.285714
+
+    Evaluation at Epoch 10/10. Step:20/20. AccuracyMetric: acc=0.571429
+
+
+    In Epoch:5/Step:10, got best dev performance:AccuracyMetric: acc=0.571429
+    Reloaded the best model.
+
+现在，我们在项目目录下输入 `fitlog log logs` ，命令行会启动一个网页，默认 url 为 ``0.0.0.0:5000`` 。
+我们在浏览器中打开网页，可以看到如下的统计表格:
+
+.. image:: ../figures/fitlogTable.png
+
+如果我们点击action中的最后一个键钮，可以看到详细的 loss 图:
+
+.. image:: ../figures/fitlogChart.png
+
+更多的教程还在编写中，敬请期待~

fastNLP/core/batch.py

@@ -30,11 +30,8 @@ class Batch(object):
     """
     别名：:class:`fastNLP.Batch` :class:`fastNLP.core.batch.Batch`
 
-    Batch 用于从 `DataSet` 中按一定的顺序, 依次按 ``batch_size`` 的大小将数据取出.
-    组成 `x` 和 `y`
-
-
-    Example::
+    Batch 用于从 `DataSet` 中按一定的顺序, 依次按 ``batch_size`` 的大小将数据取出，
+    组成 `x` 和 `y`::
 
         batch = Batch(data_set, batch_size=16, sampler=SequentialSampler())
         num_batch = len(batch)

fastNLP/core/callback.py

@@ -54,6 +54,7 @@ __all__ = [
     "GradientClipCallback",
     "EarlyStopCallback",
     "TensorboardCallback",
+    "FitlogCallback",
     "LRScheduler",
     "ControlC",
     
@@ -65,6 +66,7 @@ import os
 
 import torch
 from copy import deepcopy
+
 try:
     from tensorboardX import SummaryWriter
     
@@ -81,6 +83,7 @@ try:
 except:
     pass
 
+
 class Callback(object):
     """
     别名：:class:`fastNLP.Callback` :class:`fastNLP.core.callback.Callback`
@@ -367,16 +370,17 @@ class GradientClipCallback(Callback):
 
     每次backward前，将parameter的gradient clip到某个范围。
 
-    :param None,torch.Tensor,List[torch.Tensor] parameters: 一般通过model.parameters()获得。如果为None则默认对Trainer
-        的model中所有参数进行clip
+    :param None,torch.Tensor,List[torch.Tensor] parameters: 一般通过model.parameters()获得。
+        如果为None则默认对Trainer的model中所有参数进行clip
     :param float clip_value: 将gradient 限制到[-clip_value, clip_value]。clip_value应该为正数
     :param str clip_type: 支持'norm', 'value'
         两种::
 
             1 'norm', 将gradient的norm rescale到[-clip_value, clip_value]
         
-            2 'value', 将gradient限制在[-clip_value, clip_value], 小于-clip_value的gradient被赋值为-clip_value;
-            大于clip_value的gradient被赋值为clip_value.
+            2 'value', 将gradient限制在[-clip_value, clip_value],
+                小于-clip_value的gradient被赋值为-clip_value;
+                大于clip_value的gradient被赋值为clip_value.
 
     """
     
@@ -431,14 +435,13 @@ class EarlyStopCallback(Callback):
         else:
             raise exception  # 抛出陌生Error
 
+
 class FitlogCallback(Callback):
     """
-    别名: :class:`fastNLP.FitlogCallback` :class:`fastNLP.core.callback.FitlogCallback`
-
     该callback将loss和progress自动写入到fitlog中; 如果Trainer有dev的数据，将自动把dev的结果写入到log中; 同时还支持传入
-        一个(或多个)test数据集进行测试(只有在trainer具有dev时才能使用)，每次在dev上evaluate之后会在这些数据集上验证一下。
-        并将验证结果写入到fitlog中。这些数据集的结果是根据dev上最好的结果报道的，即如果dev在第3个epoch取得了最佳，则
-        fitlog中记录的关于这些数据集的结果就是来自第三个epoch的结果。
+    一个(或多个)test数据集进行测试(只有在trainer具有dev时才能使用)，每次在dev上evaluate之后会在这些数据集上验证一下。
+    并将验证结果写入到fitlog中。这些数据集的结果是根据dev上最好的结果报道的，即如果dev在第3个epoch取得了最佳，则
+    fitlog中记录的关于这些数据集的结果就是来自第三个epoch的结果。
 
     :param DataSet,dict(DataSet) data: 传入DataSet对象，会使用多个Trainer中的metric对数据进行验证。如果需要传入多个
         DataSet请通过dict的方式传入，dict的key将作为对应dataset的name传递给fitlog。若tester不为None时，data需要通过
@@ -447,7 +450,9 @@ class FitlogCallback(Callback):
     :param int verbose: 是否在终端打印内容，0不打印
     :param bool log_exception: fitlog是否记录发生的exception信息
     """
-
+    # 还没有被导出到 fastNLP 层
+    # 别名: :class:`fastNLP.FitlogCallback` :class:`fastNLP.core.callback.FitlogCallback`
+    
     def __init__(self, data=None, tester=None, verbose=0, log_exception=False):
         super().__init__()
         self.datasets = {}
@@ -460,7 +465,7 @@ class FitlogCallback(Callback):
                 assert 'test' not in data, "Cannot use `test` as DataSet key, when tester is passed."
             setattr(tester, 'verbose', 0)
             self.testers['test'] = tester
-
+        
         if isinstance(data, dict):
             for key, value in data.items():
                 assert isinstance(value, DataSet), f"Only DataSet object is allowed, not {type(value)}."
@@ -470,23 +475,23 @@ class FitlogCallback(Callback):
             self.datasets['test'] = data
         else:
             raise TypeError("data receives dict[DataSet] or DataSet object.")
-
+        
         self.verbose = verbose
-
+    
     def on_train_begin(self):
-        if (len(self.datasets)>0 or len(self.testers)>0 ) and self.trainer.dev_data is None:
+        if (len(self.datasets) > 0 or len(self.testers) > 0) and self.trainer.dev_data is None:
             raise RuntimeError("Trainer has no dev data, you cannot pass extra data to do evaluation.")
-
-        if len(self.datasets)>0:
+        
+        if len(self.datasets) > 0:
             for key, data in self.datasets.items():
                 tester = Tester(data=data, model=self.model, batch_size=self.batch_size, metrics=self.trainer.metrics,
                                 verbose=0)
                 self.testers[key] = tester
         fitlog.add_progress(total_steps=self.n_steps)
-
+    
     def on_backward_begin(self, loss):
         fitlog.add_loss(loss.item(), name='loss', step=self.step, epoch=self.epoch)
-
+    
     def on_valid_end(self, eval_result, metric_key, optimizer, better_result):
         if better_result:
             eval_result = deepcopy(eval_result)
@@ -494,11 +499,11 @@ class FitlogCallback(Callback):
             eval_result['epoch'] = self.epoch
             fitlog.add_best_metric(eval_result)
         fitlog.add_metric(eval_result, step=self.step, epoch=self.epoch)
-        if len(self.testers)>0:
+        if len(self.testers) > 0:
             for key, tester in self.testers.items():
                 try:
                     eval_result = tester.test()
-                    if self.verbose!=0:
+                    if self.verbose != 0:
                         self.pbar.write("Evaluation on DataSet {}:".format(key))
                         self.pbar.write(tester._format_eval_results(eval_result))
                     fitlog.add_metric(eval_result, name=key, step=self.step, epoch=self.epoch)
@@ -506,10 +511,10 @@ class FitlogCallback(Callback):
                         fitlog.add_best_metric(eval_result, name=key)
                 except Exception:
                     self.pbar.write("Exception happens when evaluate on DataSet named `{}`.".format(key))
-
+    
     def on_train_end(self):
         fitlog.finish()
-
+    
     def on_exception(self, exception):
         fitlog.finish(status=1)
         if self._log_exception:

fastNLP/core/dataset.py

@@ -571,9 +571,7 @@ class DataSet(object):
     
     def set_input(self, *field_names, flag=True):
         """
-        将field_names的field设置为input
-
-        Example::
+        将field_names的field设置为input::
 
             dataset.set_input('words', 'seq_len')   # 将words和seq_len这两个field的input属性设置为True
             dataset.set_input('words', flag=False)  # 将words这个field的input属性设置为False
@@ -605,9 +603,7 @@ class DataSet(object):
     
     def set_padder(self, field_name, padder):
         """
-        为field_name设置padder
-
-        Example::
+        为field_name设置padder::
 
             from fastNLP import EngChar2DPadder
             padder = EngChar2DPadder()

fastNLP/core/field.py

@@ -448,9 +448,7 @@ class EngChar2DPadder(Padder):
     但这个Padder只能处理index为int的情况。
 
     padded过后的batch内容，形状为(batch_size, max_sentence_length, max_word_length). max_sentence_length为这个batch中最大句
-    子长度；max_word_length为这个batch中最长的word的长度
-
-    Example::
+    子长度；max_word_length为这个batch中最长的word的长度::
 
         from fastNLP import DataSet
         from fastNLP import EngChar2DPadder

fastNLP/core/instance.py

@@ -13,9 +13,7 @@ class Instance(object):
     别名：:class:`fastNLP.Instance` :class:`fastNLP.core.instance.Instance`
 
     Instance是fastNLP中对应一个sample的类。每个sample在fastNLP中是一个Instance对象。
-    Instance一般与 :class:`~fastNLP.DataSet` 一起使用, Instance的初始化如下面的Example所示
-
-    Example::
+    Instance一般与 :class:`~fastNLP.DataSet` 一起使用, Instance的初始化如下面的Example所示::
     
         >>>from fastNLP import Instance
         >>>ins = Instance(field_1=[1, 1, 1], field_2=[2, 2, 2])

fastNLP/core/losses.py

@@ -190,10 +190,10 @@ class LossFunc(LossBase):
                          找到相对应的参数名为value的参数，并传入func中作为参数名为key的参数
     :param kwargs: 除了参数映射表以外可以用key word args的方式设置参数映射关系
 
-    Example::
+    使用方法::
 
-        >>> func = torch.nn.CrossEntropyLoss()
-        >>> loss_func = LossFunc(func, input="pred", target="label")
+        func = torch.nn.CrossEntropyLoss()
+        loss_func = LossFunc(func, input="pred", target="label")
         # 这表示构建了一个损失函数类，由func计算损失函数，其中将从模型返回值或者DataSet的target=True的field
         # 当中找到一个参数名为`pred`的参数传入func一个参数名为`input`的参数；找到一个参数名为`label`的参数
         # 传入func作为一个名为`target`的参数
@@ -227,7 +227,7 @@ class CrossEntropyLoss(LossBase):
 
     Example::
 
-        >>> loss = CrossEntropyLoss(pred='pred', target='label', padding_idx=0)
+        loss = CrossEntropyLoss(pred='pred', target='label', padding_idx=0)
         
     """
     

fastNLP/core/trainer.py

@@ -498,14 +498,15 @@ class Trainer(object):
         """
         使用该函数使Trainer开始训练。
 
-        :param bool load_best_model: 该参数只有在初始化提供了dev_data的情况下有效，如果True, trainer将在返回之前重新加载dev表现
-                最好的模型参数。
+        :param bool load_best_model: 该参数只有在初始化提供了dev_data的情况下有效，
+                如果True, trainer将在返回之前重新加载dev表现最好的模型参数。
         :return dict: 返回一个字典类型的数据,
                 内含以下内容::
 
                     seconds: float, 表示训练时长
                     以下三个内容只有在提供了dev_data的情况下会有。
-                    best_eval: Dict of Dict, 表示evaluation的结果。第一层的key为Metric的名称，第二层的key为具体的Metric
+                    best_eval: Dict of Dict, 表示evaluation的结果。第一层的key为Metric的名称，
+                                第二层的key为具体的Metric
                     best_epoch: int，在第几个epoch取得的最佳值
                     best_step: int, 在第几个step(batch)更新取得的最佳值
 

fastNLP/core/utils.py

@@ -68,18 +68,14 @@ def cache_results(_cache_fp, _refresh=False, _verbose=1):
         # res = [5 4 9 1 8]
         # 0.0040721893310546875
 
-    可以看到第二次运行的时候，只用了0.0001s左右，是由于第二次运行将直接从cache.pkl这个文件读取数据，而不会经过再次预处理
-
-    Example::
+    可以看到第二次运行的时候，只用了0.0001s左右，是由于第二次运行将直接从cache.pkl这个文件读取数据，而不会经过再次预处理::
 
         # 还是以上面的例子为例，如果需要重新生成另一个cache，比如另一个数据集的内容，通过如下的方式调用即可
         process_data(_cache_fp='cache2.pkl')  # 完全不影响之前的‘cache.pkl'
 
     上面的_cache_fp是cache_results会识别的参数，它将从'cache2.pkl'这里缓存/读取数据，即这里的'cache2.pkl'覆盖默认的
     'cache.pkl'。如果在你的函数前面加上了@cache_results()则你的函数会增加三个参数[_cache_fp, _refresh, _verbose]。
-    上面的例子即为使用_cache_fp的情况，这三个参数不会传入到你的函数中，当然你写的函数参数名也不可能包含这三个名称。
-
-    Example::
+    上面的例子即为使用_cache_fp的情况，这三个参数不会传入到你的函数中，当然你写的函数参数名也不可能包含这三个名称::
 
         process_data(_cache_fp='cache2.pkl', _refresh=True)  # 这里强制重新生成一份对预处理的cache。
         #  _verbose是用于控制输出信息的，如果为0,则不输出任何内容;如果为1,则会提醒当前步骤是读取的cache还是生成了新的cache

fastNLP/core/vocabulary.py

@@ -44,9 +44,7 @@ class Vocabulary(object):
     """
     别名：:class:`fastNLP.Vocabulary` :class:`fastNLP.core.vocabulary.Vocabulary`
     
-    用于构建, 存储和使用 `str` 到 `int` 的一一映射
-
-    Example::
+    用于构建, 存储和使用 `str` 到 `int` 的一一映射::
 
         vocab = Vocabulary()
         word_list = "this is a word list".split()
@@ -159,9 +157,7 @@ class Vocabulary(object):
     
     def has_word(self, w):
         """
-        检查词是否被记录
-
-        Example::
+        检查词是否被记录::
 
             has_abc = vocab.has_word('abc')
             # equals to
@@ -189,9 +185,7 @@ class Vocabulary(object):
     @_check_build_vocab
     def index_dataset(self, *datasets, field_name, new_field_name=None):
         """
-        将DataSet中对应field的词转为数字.
-
-        Example::
+        将DataSet中对应field的词转为数字，Example::
 
             # remember to use `field_name`
             vocab.index_dataset(train_data, dev_data, test_data, field_name='words')
@@ -234,9 +228,7 @@ class Vocabulary(object):
     
     def from_dataset(self, *datasets, field_name):
         """
-        使用dataset的对应field中词构建词典
-
-         Example::
+        使用dataset的对应field中词构建词典::
 
             # remember to use `field_name`
             vocab.from_dataset(train_data1, train_data2, field_name='words')
@@ -280,9 +272,7 @@ class Vocabulary(object):
     def to_index(self, w):
         """
         将词转为数字. 若词不再词典中被记录, 将视为 unknown, 若 ``unknown=None`` , 将抛出
-        ``ValueError``
-
-        Example::
+        ``ValueError``::
 
             index = vocab.to_index('abc')
             # equals to

fastNLP/io/dataset_loader.py

@@ -106,7 +106,7 @@ class DataSetLoader:
     """
     别名：:class:`fastNLP.io.DataSetLoader` :class:`fastNLP.io.dataset_loader.DataSetLoader`
 
-    定义了各种 DataSetLoader 所需的API 接口，开发者应该继承它实现各种的 DataSetLoader。
+    定义了各种 DataSetLoader (针对特定数据上的特定任务) 所需的API 接口，开发者应该继承它实现各种的 DataSetLoader。
     
     开发者至少应该编写如下内容:
     

fastNLP/modules/encoder/embedding.py

@@ -41,3 +41,10 @@ class Embedding(nn.Embedding):
         """
         x = super().forward(x)
         return self.dropout(x)
+
+    def size(self):
+        """
+        Embedding的大小
+        :return: torch.Size()
+        """
+        return self.weight.size()

fastNLP/modules/utils.py

@@ -74,9 +74,9 @@ def get_embeddings(init_embed):
     """
     根据输入的init_embed生成nn.Embedding对象。
 
-    :param init_embed: 单词词典, 可以是 tuple, 包括(num_embedings, embedding_dim), 即
-        embedding的大小和每个词的维度. 也可以传入 nn.Embedding 对象,
-        此时就以传入的对象作为embedding
+    :param init_embed: 可以是 tuple:(num_embedings, embedding_dim), 即embedding的大小和每个词的维度;也可以传入
+        nn.Embedding 对象, 此时就以传入的对象作为embedding; 传入np.ndarray也行，将使用传入的ndarray作为作为Embedding初始
+        化; 传入orch.Tensor, 将使用传入的值作为Embedding初始化。
     :return nn.Embedding embeddings:
     """
     if isinstance(init_embed, tuple):

readthedocs.yml

@@ -1,6 +1,16 @@
+version: 2
+
+sphinx:
+  configuration: docs/source/conf.py
+
 build:
   image: latest
 
 python:
   version: 3.6
-  setup_py_install: true
+  install:
+    - method: setuptools
+      path: .
+
+formats:
+  - htmlzip

setup.py

@@ -16,7 +16,8 @@ setup(
     version='0.4.0',
     description='fastNLP: Deep Learning Toolkit for NLP, developed by Fudan FastNLP Team',
     long_description=readme,
-    license=license,
+    long_description_content_type='text/markdown',
+    license='Apache License',
     author='FudanNLP',
     python_requires='>=3.6',
     packages=find_packages(),