变形求解器的代码生成工具
transmutagen的Python项目详细描述
#transmutatgen
transmutation symphy code generator
[！[构建状态]（https://travis-ci.org/ergs/transmutagen.svg？branch=master）（https://travis ci.org/ergs/transmutagen）
＝1.1＜Br/> -MatPrTLIB
- NYMPY
-SIPY
-PYEN
-JICAN2
-GMPY2
- Cython
BR/>α>生成EXP（-x）上的CRAM近似（0），BR/>< BR> > By/> Python -m嬗变。CRAMD D＜BR/> BR/>‘D’是近似的程度，‘N’是位数。
典型的运行将是类似于
BR/> Python -M TrimgAg.CRAM 14 200
BR/>注意，返回的数字不一定都是准确的。要计算'n`
正确的数字，通常需要在
计算中使用更多的工作数字。此外，当取根时，精度可能进一步降低
。因此，建议始终使用
非常高的位数计算cram表达式。
请参见“python-m transmutagen--help”。要增加/减少输出的详细程度，请使用“--log level”标志。
如果使用iterm2，请安装“iterm2 tools”（来自conda forge）以在终端中获取绘图。
注意：所有输出和绘图都记录到“logs”和“plots”目录中。
使用python-m transmutagen.gensolve将生成“solve.c”和“solve.h”。使用
python-m transmutagen.gensolve--help
查看各种选项，例如如何更改生成的度数，
以及生成函数的名称空间。
若要添加或删除核素，请修改json文件，并将其与
``json
{
“nucs”：[“h1”，“h2”…]，
“fromto”：[[“h1”，“h1”]，[“h1”，“h2”]，…]
}
```
，其中`“nucs”是核素列表，`“fromto”是每个可能的反应产物对列表。每个核素都应列为与自身的反应。
要从origen库生成json文件，请运行
python-m transmutagen.generate_json/path/to/origen/libs/--outfile gensolve.json
这将把json保存到“gensolve.json”。请注意transmutagen带有一个json文件，该文件由
``transmutagen/data/gensolve\u origen.json``中的origen生成，也有一个由`transmutagen/data/gensolve.json``中的pyne
生成。
其中“名称空间}”是由“命名空间”标志指定的名称空间到“m”（默认值是“否”），而“在该解决方案中所使用的近似度是由该名称（默认为“14”）指定的。函数计算“exp（a）*b`
，并将结果存储在“x”中。``“`应该是扁平格式，
根据解算器生成的稀疏模式。
请使用类似这样的代码：
python-m transmutagen.tape9sparse~/origen22/libs/pwru50.lib--decay~/origen22/libs/decay.lib
有关详细信息，请参阅`--help`和`transmutagen.tape9utils`文档。
然后运行
./docker/origen_all/build_and_run.sh
这要求docker守护进程正在运行，并且可能需要“sudo”。
有各种选项，您可以使用
./docker/origen_all/build_and_run.sh--help
这将在一组origen
库上运行origen和transmutagen（cram），启动核素和时间，将结果写入
`data/results.hdf5`。输出也将记录到“logs/origen_all.log”中。
请注意，整个套件需要24小时才能运行。
transmutation symphy code generator
[！[构建状态]（https://travis-ci.org/ergs/transmutagen.svg？branch=master）（https://travis ci.org/ergs/transmutagen）
＝1.1＜Br/> -MatPrTLIB
- NYMPY
-SIPY
-PYEN
-JICAN2
-GMPY2
- Cython
BR/>α>生成EXP（-x）上的CRAM近似（0），BR/>< BR> > By/> Python -m嬗变。CRAMD D＜BR/> BR/>‘D’是近似的程度，‘N’是位数。
典型的运行将是类似于
BR/> Python -M TrimgAg.CRAM 14 200
BR/>注意，返回的数字不一定都是准确的。要计算'n`
正确的数字，通常需要在
计算中使用更多的工作数字。此外，当取根时，精度可能进一步降低
。因此，建议始终使用
非常高的位数计算cram表达式。
请参见“python-m transmutagen--help”。要增加/减少输出的详细程度，请使用“--log level”标志。
如果使用iterm2，请安装“iterm2 tools”（来自conda forge）以在终端中获取绘图。
注意：所有输出和绘图都记录到“logs”和“plots”目录中。
使用python-m transmutagen.gensolve将生成“solve.c”和“solve.h”。使用
python-m transmutagen.gensolve--help
查看各种选项，例如如何更改生成的度数，
以及生成函数的名称空间。
若要添加或删除核素，请修改json文件，并将其与
``json
{
“nucs”：[“h1”，“h2”…]，
“fromto”：[[“h1”，“h1”]，[“h1”，“h2”]，…]
}
```
，其中`“nucs”是核素列表，`“fromto”是每个可能的反应产物对列表。每个核素都应列为与自身的反应。
要从origen库生成json文件，请运行
python-m transmutagen.generate_json/path/to/origen/libs/--outfile gensolve.json
这将把json保存到“gensolve.json”。请注意transmutagen带有一个json文件，该文件由
``transmutagen/data/gensolve\u origen.json``中的origen生成，也有一个由`transmutagen/data/gensolve.json``中的pyne
生成。
其中“名称空间}”是由“命名空间”标志指定的名称空间到“m”（默认值是“否”），而“在该解决方案中所使用的近似度是由该名称（默认为“14”）指定的。函数计算“exp（a）*b`
，并将结果存储在“x”中。``“`应该是扁平格式，
根据解算器生成的稀疏模式。
请使用类似这样的代码：
python-m transmutagen.tape9sparse~/origen22/libs/pwru50.lib--decay~/origen22/libs/decay.lib
有关详细信息，请参阅`--help`和`transmutagen.tape9utils`文档。
然后运行
./docker/origen_all/build_and_run.sh
这要求docker守护进程正在运行，并且可能需要“sudo”。
有各种选项，您可以使用
./docker/origen_all/build_and_run.sh--help
这将在一组origen
库上运行origen和transmutagen（cram），启动核素和时间，将结果写入
`data/results.hdf5`。输出也将记录到“logs/origen_all.log”中。
请注意，整个套件需要24小时才能运行。
欢迎加入QQ群-->： 979659372
