khiva 0.3.0

许可证

本项目的许可 MPL-v2。

安装khiva

Khiva documentation。

然后，使用pip:

pip install khiva

潜入

使用以下示例快速跳入khiva： 首先，设置要使用的后端和设备。默认情况下，有一个后端和一个设备集：

fromkhiva.libraryimport*set_backend(KHIVABackend.KHIVA_BACKEND_OPENCL)set_device(0)

然后，您可以在设备中创建阵列：

fromkhiva.arrayimport*a=Array([1,2,3,4,5,6,7,8])a.display()

前几行打印创建的阵列的尺寸和内容：

在设备内存中创建数组后，我们可以将操作与 以异步方式排列，并仅在to_list（）时在主机中接收数据， 到~u numpy（）或到~u pandas（）（后者仅支持二维时间序列） 函数被调用。

a=a.to_pandas()print(a)

结果是下一个：

现在让我们深入探讨库的异步使用。 khiva库提供了一些时间序列分析功能，包括特征提取， 时间序列重维，距离计算，模体和不一致检测，相似性研究工具， 统计参数提取或时间序列归一化。

所有这些功能都可以连接起来以提高性能，因此您可以在 不使用此库功能的时刻：

fromkhiva.matriximport*stomp_result=stomp(Array(np.array([11,10,10,10,10,10,10,10,10,10,10,11])),Array(np.array([9,10,10,10,10,10,10,10,10,10,10,9])),3)find_best_n_discords_result=find_best_n_discords(stomp_result[0],stomp_result[1],2)a=find_best_n_discords_result[2].to_numpy()print(a)

前一个将生成以下输出：

第一个numpy数组表示两个时间序列之间长度为3的子序列之间的最小距离。 第二个numpy数组表示第一个时间序列和第三个时间序列中这些子序列的位置 表示第二个时间序列中的索引。

我们想强调使用库计算不同后端和 不同的设备，知道这些操作应该在创建阵列的同一设备中执行。

#Adding operations in the different backends and devices.fromkhiva.featuresimport*set_backend(KHIVABackend.KHIVA_BACKEND_OPENCL)set_device(0)a=Array([1,2,3,4,5,6,7,8])b=mean(a)set_device(1)c=Array([1,2,3,4,5,6,7,8])d=mean(c)set_backend(KHIVABackend.KHIVA_BACKEND_CPU)set_device(0)e=Array([1,2,3,4,5,6,7,8])f=mean(e)#Retrieving the results of the previous operationsset_backend(KHIVABackend.KHIVA_BACKEND_OPENCL)set_device(0)print(b.to_numpy())set_device(1)print(d.to_numpy())set_backend(KHIVABackend.KHIVA_BACKEND_CPU)set_device(0)print(f.to_numpy())

输出是下一个：

注意，默认情况下使用的数据类型是32位浮点，以避免 设备，但可以故意更改。

下面是可用的数据类型：

有些函数不支持32位浮点数据类型，因此需要指示数据类型。 下面是一个需要32位有符号整数数组的示例函数：

cwt_coefficients_result=cwt_coefficients(Array([[0.1,0.2,0.3],[0.1,0.2,0.3]]),Array(data=[1,2,3],khiva_type=dtype.s32),2,2).to_numpy()print(cwt_coefficients_result)

输出为：

限制

这个开源库提供了非常好的性能，但是它有内存限制。 对于需要对大量数据进行短期时间序列分析的情况， 请，contact us。

让我们摇滚吧！

现在，您已经有了开始使用库的基本概念。请按照每个功能的文档了解 如何使用它们。每个函数都有相应的测试，因此您可以检查如何使用它们。

此外，我们还提供了一些用例和示例，您可以使用这些用例和示例来学习在何处以及如何应用库。

文档

这个python库遵循使用sphinx编写python文档的标准方法。

文档位于：

Khiva Python documentation。