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
=
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。
欢迎加入QQ群-->： 979659372
