托多
nglpy-cuda的Python项目详细描述
===
nglpy cuda
==
徽章图片::https://img.shields.io/pypi/v/nglpy_cuda.svg
:目标:https://pypi.python.org/pypi/nglpy_cuda
:alt:pypi
…图片::https://travis-ci.org/maljovec/nglpy_cuda.svg?branch=master
:目标:https://travis ci.org/maljovec/nglpy_cuda
:alt:travis ci
。图片::https://coveralls.io/repos/github/maljovec/nglpy_cuda/badge.svg?branch=master
:目标:https://coveralls.io/github/maljovec/nglpy_cuda?branch=master
:alt:工作服
。图片::https://readthedocs.org/projects/nglpy-cuda/badge/?version=latest
:目标:https://nglpy-cuda.readthedocs.io/en/latest/?徽章=最新
:alt:文档状态
…图片::https://pyup.io/repos/github/maljovec/nglpy_cuda/shield.svg
:目标:https://pyup.io/repos/github/maljovec/nglpy_cuda/
:alt:pyup
……结束标志
…标志
…图像::docs/_static/nglpycu.svg
:对齐:居中
:alt:nglpycu
…结束标志
…简介
carlos correa和peter lindstrom开发的邻域图库
(ngl)的重新实现,它支持在gpu上修剪图。作为nglpy的
替代品开发,其中cuda兼容的gpu
可用。_ ngl:http://www.ngraph.org/
…_ nglpy:https://github.com/maljovec/nglpy
…长描述
imized approximate nearest neighbor library(有关算法及其相对性能的更新列表,请参见ann-benchmarks)来构造要修剪的初始图,否则该库将依赖于scikit-learn提供的精确k-nearest
。_ ann基准:http://ann benchmarks.com/
…_ scikit-learn:http://scikit learn.org/stable/modules/generated/sklearn.neighbors.nearestneighbors.html\sklearn.neighbors.nearestneighbors
。结束语说明
…结束介绍
…先决条件
先决条件
==
否则,所有其他python需求都可以通过pip安装::
。结束前提条件
…安装
安装
===
PIP上有一个可用的实验包,但是未正确指定必备库,因此请确保已安装numpy、scipy、sklearn和faiss(可能会发生更改)。
:
PIP安装nglpy cuda
端部安装build
build
=
>构建python包
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
运行测试套件以验证它是否能够在没有错误的情况下进行cuda调用铃声:
python setup.py test
如果你在B/B>中遇到了一些安装问题,只想在C/C++应用程序中尝试建立共享的
库。
BR/>分别建立和测试CUDA文库,分别为:BR/>~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~(rb/>)。适当地使用下面的命令编译CUDA代码::
NVCC SRC/NGLYCUAD.CU-I包含/ /编译器选项"-FPIC"-共享-O LBNGLCU。因此,BR/> BR/>可以用一个小的C++示例来测试CUDA API(todo:在RPO中提供小数据文件来测试下一行))::
g++-l.-i包含/s r c/test.c p p-lnglcu-o test./test-i<;输入文件>;-d<;>;<;<;<;<;<;<;<;点的输入文件>;-n<;相邻边文件>;-k<;k要修剪的相邻边>;-b<;beta参数>;-p<;形状描述符>;-s<;离散化步骤>;-r<;正整数表示使用宽松版本>;
…结束构建
…用法
用法
=
整数索引,第三个值是两个
点之间的距离::
import numpy作为np
导入nglpy_cuda作为ngl
x=np.random.uniform(size=(10,2))
graph=ngl.graph(x,relaxed=false)
结束用法
=
=
历史
=
0.2.0(2018-10-03)
----
*添加概率图
*对api结构的细微更改,现在必须在初始化对象后调用build
0.1.0(2018-07-15)
----
*pypi上的第一个版本。
nglpy cuda
==
徽章图片::https://img.shields.io/pypi/v/nglpy_cuda.svg
:目标:https://pypi.python.org/pypi/nglpy_cuda
:alt:pypi
…图片::https://travis-ci.org/maljovec/nglpy_cuda.svg?branch=master
:目标:https://travis ci.org/maljovec/nglpy_cuda
:alt:travis ci
。图片::https://coveralls.io/repos/github/maljovec/nglpy_cuda/badge.svg?branch=master
:目标:https://coveralls.io/github/maljovec/nglpy_cuda?branch=master
:alt:工作服
。图片::https://readthedocs.org/projects/nglpy-cuda/badge/?version=latest
:目标:https://nglpy-cuda.readthedocs.io/en/latest/?徽章=最新
:alt:文档状态
…图片::https://pyup.io/repos/github/maljovec/nglpy_cuda/shield.svg
:目标:https://pyup.io/repos/github/maljovec/nglpy_cuda/
:alt:pyup
……结束标志
…标志
…图像::docs/_static/nglpycu.svg
:对齐:居中
:alt:nglpycu
…结束标志
…简介
carlos correa和peter lindstrom开发的邻域图库
(ngl)的重新实现,它支持在gpu上修剪图。作为nglpy的
替代品开发,其中cuda兼容的gpu
可用。_ ngl:http://www.ngraph.org/
…_ nglpy:https://github.com/maljovec/nglpy
…长描述
imized approximate nearest neighbor library(有关算法及其相对性能的更新列表,请参见ann-benchmarks)来构造要修剪的初始图,否则该库将依赖于scikit-learn提供的精确k-nearest
。_ ann基准:http://ann benchmarks.com/
…_ scikit-learn:http://scikit learn.org/stable/modules/generated/sklearn.neighbors.nearestneighbors.html\sklearn.neighbors.nearestneighbors
。结束语说明
…结束介绍
…先决条件
先决条件
==
否则,所有其他python需求都可以通过pip安装::
。结束前提条件
…安装
安装
===
PIP上有一个可用的实验包,但是未正确指定必备库,因此请确保已安装numpy、scipy、sklearn和faiss(可能会发生更改)。
:
PIP安装nglpy cuda
端部安装build
build
=
>构建python包
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
运行测试套件以验证它是否能够在没有错误的情况下进行cuda调用铃声:
python setup.py test
如果你在B/B>中遇到了一些安装问题,只想在C/C++应用程序中尝试建立共享的
库。
BR/>分别建立和测试CUDA文库,分别为:BR/>~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~(rb/>)。适当地使用下面的命令编译CUDA代码::
NVCC SRC/NGLYCUAD.CU-I包含/ /编译器选项"-FPIC"-共享-O LBNGLCU。因此,BR/> BR/>可以用一个小的C++示例来测试CUDA API(todo:在RPO中提供小数据文件来测试下一行))::
g++-l.-i包含/s r c/test.c p p-lnglcu-o test./test-i<;输入文件>;-d<;>;<;<;<;<;<;<;<;点的输入文件>;-n<;相邻边文件>;-k<;k要修剪的相邻边>;-b<;beta参数>;-p<;形状描述符>;-s<;离散化步骤>;-r<;正整数表示使用宽松版本>;
…结束构建
…用法
用法
=
点之间的距离::
import numpy作为np
导入nglpy_cuda作为ngl
x=np.random.uniform(size=(10,2))
graph=ngl.graph(x,relaxed=false)
结束用法
=
=
历史
=
0.2.0(2018-10-03)
----
*添加概率图
*对api结构的细微更改,现在必须在初始化对象后调用build
0.1.0(2018-07-15)
----
*pypi上的第一个版本。