معرفی شرکت ها


FireSpark-0.0.32


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

FireSpark data processing utility library
ویژگی مقدار
سیستم عامل -
نام فایل FireSpark-0.0.32
نام FireSpark
نسخه کتابخانه 0.0.32
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Hai Yu
ایمیل نویسنده hai.yu1@magna.com
آدرس صفحه اصلی https://elc-github.magna.global/Magna-Autonomous-Systems/FireSpark
آدرس اینترنتی https://pypi.org/project/FireSpark/
مجوز Apache License 2.0
FireSpark ========= FireSpark aims to provide Magna ML/MAS team a flexible and standardized library supporting data processing, management, dataset curation, and ETL related activities. A dataset created using FireSpark is stored in [Apache Parquet](https://parquet.apache.org/) format. On top of a Parquet schema, FireSpark takes advantage of open source [Petastorm](https://github.com/uber/petastorm) library to support multidimensional arrays. **This repo is at its early phase development stage. Please contact [me](hai.yu1@magna.com) if you have question, especially on contributing use case specification, requirements, suggestions.** :innocent:


نیازمندی

مقدار نام
>=0.9.0 absl-py
>=3.7.1 protobuf
>=1.5.11 boto3
>=0.4.2 s3fs
>=1.25.7 urllib3
>=1.13.3 numpy
>=15.0 packaging
>=1.0.0 pandas
>=4.0.0 psutil
==2.4.5 pyspark
>=14.0.0 pyzmq
>=0.12.0 pyarrow
>=1.5.0 six
>=0.8.2 petastorm
>=4.43.0 tqdm
>=3.4.3.18 opencv-python
>=0.4.0 imgaug
>=3.4.3.18 opencv-python
>=3.0 Pillow
>=2.0.15 codecov
>=2.0.0 mock
>=3.4.3.18 opencv-python
- flake8
>=1.9 pylint
>=3.0.0 pytest
>=2.5.1 pytest-cov
>=0.2 pytest-forked
>=0.4.0 pytest-logger
>=1.3.3 pytest-timeout
>=0.0.1 s3fs
>=0.2.0 gcsfs
==1.14.0 tensorflow
>=1.2.0 tensorflow-datasets
==1.14.0 tensorflow-gpu
>=0.5.0 torchvision
>=1.2.0 torch


نحوه نصب


نصب پکیج whl FireSpark-0.0.32:

    pip install FireSpark-0.0.32.whl


نصب پکیج tar.gz FireSpark-0.0.32:

    pip install FireSpark-0.0.32.tar.gz