معرفی شرکت ها

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

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

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

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

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

Deep Learning for Solar Physics Prediction

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	SolarNet-Lib-0.1.0
نام	SolarNet-Lib
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jonathan Donzallaz
ایمیل نویسنده	jonathan.donzallaz@hefr.ch
آدرس صفحه اصلی	https://gitlab.com/jdonzallaz/solarnet
آدرس اینترنتی	https://pypi.org/project/SolarNet-Lib/
مجوز	MIT

# SolarNet > Deep Learning for Solar Physics Prediction The SolarNet library permits to use the different Pytorch models, datasets, preprocessing, and others utilities developed during the SolarNet project. It also makes straightforward the download, loading, and finetuning of the big pretrained SSL models. With SolarNet, anyone can access the datasets (at this time, only SDO-Benchmark is available through the library) and finetune the powerful models. The library is compatible with Pytorch-Lightning, but the models are also pure Pytorch Module and the training loop can be written from scratch. Find the docs on [jdonzallaz.gitlab.io/solarnet](https://jdonzallaz.gitlab.io/solarnet/). ## Installation Use pip to install: ``` pip install solarnet-lib ``` Python 3.6+ is required. ## Data Two datasets are supported: SDO-Dataset and SDO-Benchmark. SDO-Dataset needs to be downloaded from the Stanford's servers. The SDO-Benchmark dataset can be downloaded using the CLI: ``` solarnet download sdo-benchmark data/ ``` ## Dataset ```python path = Path("data") / "sdo-benchmark" / "train" dataset = SDOBenchmarkDataset(path) ``` Also available as a pytorch-lightning datamodule. ```py path = Path("data") / "sdo-benchmark" datamodule = SDOBenchmarkDatamodule(path) ``` ## Model ```py model = ImageClassification.from_pretrained("solarnet-ssl-bz-ft-sdo-benchmark") ``` ## Finetuning ```py trainer = pl.Trainer( max_epochs=10, gpus=0, ) trainer.fit(model, datamodule=datamodule) ``` ## Deployment ```bash python setup.py sdist bdist_wheel twine check dist/* twine upload dist/* ``` ## Author SolarNet is a deep learning research toolbox for solar physics. It was developed during a Master thesis by [Jonathan Donzallaz](mailto:jonathan.donzallaz@hefr.ch).

نیازمندی

مقدار	نام
>=1.17.49	boto3
>=5.0.0	colorlog
<7.2.0,>=7.1.1	click
>=0.3.4	lightning-bolts
>=3.3.4	matplotlib
>=1.17.2	numpy
>=1.1.5	pandas
>=8.2.0	Pillow
>=4.0.0	pyarrow
>=1.3.8	pytorch-lightning
>=0.16.1	ruamel.yaml
<3.0.0,>=2.0.0	sunpy[net]
>=1.6	torch
>=0.4.1	torchmetrics
>=0.7	torchvision
>=4.41.0	tqdm
>=0.3.2	typer

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl SolarNet-Lib-0.1.0:

pip install SolarNet-Lib-0.1.0.whl

نصب پکیج tar.gz SolarNet-Lib-0.1.0:

pip install SolarNet-Lib-0.1.0.tar.gz