معرفی شرکت ها

PyNN-0.9.6

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
0.9.6
0.9.5
0.9.4
0.9.3

توضیحات

A Python package for simulator-independent specification of neuronal network models
ویژگی مقدار
سیستم عامل OS Independent
نام فایل PyNN-0.9.6
نام PyNN
نسخه کتابخانه 0.9.6
نگهدارنده []
ایمیل نگهدارنده []
نویسنده The PyNN team
ایمیل نویسنده andrew.davison@unic.cnrs-gif.fr
آدرس صفحه اصلی http://neuralensemble.org/PyNN/
آدرس اینترنتی https://pypi.org/project/PyNN/
مجوز CeCILL http://www.cecill.info
PyNN ==== PyNN (pronounced '*pine*') is a simulator-independent language for building neuronal network models. In other words, you can write the code for a model once, using the PyNN API and the Python programming language, and then run it without modification on any simulator that PyNN supports (currently NEURON, NEST and Brian 2) and on a number of neuromorphic hardware systems. The PyNN API aims to support modelling at a high-level of abstraction (populations of neurons, layers, columns and the connections between them) while still allowing access to the details of individual neurons and synapses when required. PyNN provides a library of standard neuron, synapse and synaptic plasticity models, which have been verified to work the same on the different supported simulators. PyNN also provides a set of commonly-used connectivity algorithms (e.g. all-to-all, random, distance-dependent, small-world) but makes it easy to provide your own connectivity in a simulator-independent way. Even if you don't wish to run simulations on multiple simulators, you may benefit from writing your simulation code using PyNN's powerful, high-level interface. In this case, you can use any neuron or synapse model supported by your simulator, and are not restricted to the standard models. - Home page: http://neuralensemble.org/PyNN/ - Documentation: http://neuralensemble.org/docs/PyNN/ - Mailing list: https://groups.google.com/forum/?fromgroups#!forum/neuralensemble - Bug reports: https://github.com/NeuralEnsemble/PyNN/issues :copyright: Copyright 2006-2022 by the PyNN team, see AUTHORS. :license: CeCILL, see LICENSE for details. .. image:: https://travis-ci.org/NeuralEnsemble/PyNN.png?branch=master :target: https://travis-ci.org/NeuralEnsemble/PyNN :alt: Unit Test Status .. image:: https://coveralls.io/repos/NeuralEnsemble/PyNN/badge.svg?branch=master&service=github :target: https://coveralls.io/github/NeuralEnsemble/PyNN?branch=master :alt: Test coverage


نحوه نصب


نصب پکیج whl PyNN-0.9.6:

    pip install PyNN-0.9.6.whl


نصب پکیج tar.gz PyNN-0.9.6:

    pip install PyNN-0.9.6.tar.gz