快速分水岭
zwatershed的Python项目详细描述
#卷积网络度量脚本
-快速流域代码。代码基于HTTPS:/BITBUKET.OR/POOZH/分水岭中的代码，在HTTP://ARXIV.OR/ABS/150 5.0249中描述。用于https://github.com/naibaf7/pygreentea。
建筑
[maxage=2592000”>；]（https://pypi.pypypi.org/pypi/zwaterspership/）
-`pip install zwatershewers`
-从
-克隆存储库
-运行./make.sh
-如果使用并行分水岭，还需要多处理或pyspark
-为了构建并行分水岭，如果使用并行分水岭，还需要多处理或pyspark
-为了构建并行分水岭，还需要多处理或pyspark赛顿，需要一个C++编译器和boost
`
-*返回分段和度量*
-`segs`：分段列表
-`len（segs）==len（seg）len（seg）len（seg）segs`：分段列表`
-`rand`：dict
-`rand['v'u rand']`：v'u rand评分（标量）
-`rand['v'v'u rand'v'u rand'v'u rand']`：v'u rand'v'u rand'u rand'rand'v'u rand'rand'rand']``：评分值列表
-`len len（rand['v'v'v'u rand'v'u rand'u ran']）==len（eval_thresh_list）`
-` rand['v_rand_u merge']`：分数值列表，
-`len（rand['v_rand_u merge']）==len（eval_u thresh_u list）`
-`segs=zwatershed（aff_u graph，“
-*返回分段*
-`segs`：分段列表
-`len（segs）==len（seg）len（seg）len（seg）segs`
这些方法的版本将分段保存到hdf5文件中，而不是返回
-`rand=zwatershedrandzhwatershewatersheu和度量h5（segtrue，aff，graph，aff，graph，graph，graph，graph，graph，graph，graph，graph，graph，grand=zwatershedrand=zwatershedrand=zwatershedrandhhhhh5和度量h5（segtrue，aff，graph，graph，graph评估阈值列表，所有4种方法的版本都采用了关联图的edgelist表示法（segs，rand）=zwatershearbuh5（aff图，eval，seg，seg，watershearuh5，seg，seg，node1，node2，edgewight，eval，seg，rand）=zwatershearbu和度量arb（segtrue，node1，node2，edgewight，evalshearshearbu，node，node2，edgewight，eval，segs，rand）=zwatershearbu和度量arb（segtrue，node1，node1，node2，node2，edgewight，evaevaue，evauegraw，eval，eval，seg，rand你的阈值列表，`
-`segs=zwatershearbu arb（seg_u shape，node1，node2，edgeweight，seg_save_arb列表）`
-`rand=zwatershearu和_h5_arb（segtrue，node1，node1，node2，edgeweight，eval_thresh aru列表，seg_save_thresh arb（seg true，node1，node2，node2，edgeweight，eval_thresh arbu列表，seg_save_thresh arbu列表，seg_save_thresh arb列表，_形，node1，node2，edgeweight，eval_thresh_list，分段保存路径）`
对子卷进行分区
-`partition_data=partition_subvols（pred_file，out_folder，max_len）`
-以任何子卷的维度都不大于max_len
2为约束，均匀地划分*pred_file*中的数据。z分水岭的子体积
1。`用星火评估（分区数据[0]）`
-*用星火评估*
2。`用par-map（partition-u data[0]，num-u workers）评估`
-*用python多处理映射*
-评估后，子卷将保存到out-u文件夹目录中，该目录基于其在每个维度中的最小索引命名（例如path/to/out-folder/0\u0-vol）
3。将子卷缝合在一起
-`缝合并保存（分区数据，outname）`
-将分区数据中的子卷缝合在一起
-保存到hdf5文件outname
-outname['starts']=每个子卷的最小索引列表
-outname['ends']=每个子卷的最大索引列表
-outname['seg']=全缝合分段
-outname['seg']=每个子卷的大小数组分段
-outname['rg_i']=第i个子卷
4的区域图。通过合并的阈值单个子卷
-`seg_merged=merge_by_thresh（seg，seg_size，rg，thresh）`
-从outname加载这些元素
-快速流域代码。代码基于HTTPS:/BITBUKET.OR/POOZH/分水岭中的代码，在HTTP://ARXIV.OR/ABS/150 5.0249中描述。用于https://github.com/naibaf7/pygreentea。
建筑
[maxage=2592000”>；]（https://pypi.pypypi.org/pypi/zwaterspership/）
-`pip install zwatershewers`
-从
-克隆存储库
-运行./make.sh
-如果使用并行分水岭，还需要多处理或pyspark
-为了构建并行分水岭，如果使用并行分水岭，还需要多处理或pyspark
-为了构建并行分水岭，还需要多处理或pyspark赛顿，需要一个C++编译器和boost
`
-*返回分段和度量*
-`segs`：分段列表
-`len（segs）==len（seg）len（seg）len（seg）segs`：分段列表`
-`rand`：dict
-`rand['v'u rand']`：v'u rand评分（标量）
-`rand['v'v'u rand'v'u rand'v'u rand']`：v'u rand'v'u rand'u rand'rand'v'u rand'rand'rand']``：评分值列表
-`len len（rand['v'v'v'u rand'v'u rand'u ran']）==len（eval_thresh_list）`
-` rand['v_rand_u merge']`：分数值列表，
-`len（rand['v_rand_u merge']）==len（eval_u thresh_u list）`
-`segs=zwatershed（aff_u graph，“
-*返回分段*
-`segs`：分段列表
-`len（segs）==len（seg）len（seg）len（seg）segs`
这些方法的版本将分段保存到hdf5文件中，而不是返回
-`rand=zwatershedrandzhwatershewatersheu和度量h5（segtrue，aff，graph，aff，graph，graph，graph，graph，graph，graph，graph，graph，graph，grand=zwatershedrand=zwatershedrand=zwatershedrandhhhhh5和度量h5（segtrue，aff，graph，graph，graph评估阈值列表，所有4种方法的版本都采用了关联图的edgelist表示法（segs，rand）=zwatershearbuh5（aff图，eval，seg，seg，watershearuh5，seg，seg，node1，node2，edgewight，eval，seg，rand）=zwatershearbu和度量arb（segtrue，node1，node2，edgewight，evalshearshearbu，node，node2，edgewight，eval，segs，rand）=zwatershearbu和度量arb（segtrue，node1，node1，node2，node2，edgewight，evaevaue，evauegraw，eval，eval，seg，rand你的阈值列表，`
-`segs=zwatershearbu arb（seg_u shape，node1，node2，edgeweight，seg_save_arb列表）`
-`rand=zwatershearu和_h5_arb（segtrue，node1，node1，node2，edgeweight，eval_thresh aru列表，seg_save_thresh arb（seg true，node1，node2，node2，edgeweight，eval_thresh arbu列表，seg_save_thresh arbu列表，seg_save_thresh arb列表，_形，node1，node2，edgeweight，eval_thresh_list，分段保存路径）`
对子卷进行分区
-`partition_data=partition_subvols（pred_file，out_folder，max_len）`
-以任何子卷的维度都不大于max_len
2为约束，均匀地划分*pred_file*中的数据。z分水岭的子体积
1。`用星火评估（分区数据[0]）`
-*用星火评估*
2。`用par-map（partition-u data[0]，num-u workers）评估`
-*用python多处理映射*
-评估后，子卷将保存到out-u文件夹目录中，该目录基于其在每个维度中的最小索引命名（例如path/to/out-folder/0\u0-vol）
3。将子卷缝合在一起
-`缝合并保存（分区数据，outname）`
-将分区数据中的子卷缝合在一起
-保存到hdf5文件outname
-outname['starts']=每个子卷的最小索引列表
-outname['ends']=每个子卷的最大索引列表
-outname['seg']=全缝合分段
-outname['seg']=每个子卷的大小数组分段
-outname['rg_i']=第i个子卷
4的区域图。通过合并的阈值单个子卷
-`seg_merged=merge_by_thresh（seg，seg_size，rg，thresh）`
-从outname加载这些元素
欢迎加入QQ群-->： 979659372
