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

Private API for Andrew

ویژگی	مقدار
سیستم عامل	-
نام فایل	aireplication-0.0.4
نام	aireplication
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Andrew
ایمیل نویسنده	andrewlee1807@gmail.com
آدرس صفحه اصلی	https://github.com/andrewlee1807/ai-replicate
آدرس اینترنتی	https://pypi.org/project/aireplication/
مجوز	Apache-2.0 license

# ai-replication ## Checkout at: **https://pypi.org/manage/project/aireplication/releases/** ## Usage ```python from aireplication.ultils.data import TimeSeriesGenerator, Dataset config = {"dataset_name": "GYEONGGI2955", "features": ["Amount of Consumption", "Temperature"], "prediction_feature": "Amount of Consumption", # Feature to use for prediction "input_width": 168, "output_length": 1, "train_ratio": 0.9 } dataset = Dataset(dataset_name=config["dataset_name"]) # data = dataset.dataloader.export_a_single_sequence() data = dataset.dataloader.export_the_sequence(config["features"]) print("Building time series generator...") tsf = TimeSeriesGenerator(data=data, config=config, normalize_type=1, shuffle=False) # Get model model = get_model(model_name=args.model_name, config=config) # Train model history = model.fit(x=tsf.data_train[0], # [number_recoder, input_len, number_feature] y=tsf.data_train[1], # [number_recoder, output_len, number_feature] validation_data=tsf.data_valid) ``` ## List of dataset is available ```yaml config1 = {"dataset_name": "GYEONGGI2955", "features": ["Amount of Consumption", "Temperature"], "prediction_feature": "Amount of Consumption", # Feature to use for prediction "input_width": 168, "output_length": 1, "train_ratio": 0.9 } config2 = {"dataset_name": "CNU_ENGINEERING_7", "features": [ "temperatures", "humidity", "pressure","energy" ] # Features to use for training prediction_feature: "energy", # Feature to use for prediction "input_width": 168, "output_length": 1, "train_ratio": 0.9 } ``` ## Publishing the package ```shell pip install twine python setup.py sdist twine upload dist/* ``` **- Note: Testing case:** ```shell twine upload --repository testpypi dist/* ```

نحوه نصب

نصب پکیج whl aireplication-0.0.4:

pip install aireplication-0.0.4.whl

نصب پکیج tar.gz aireplication-0.0.4:

pip install aireplication-0.0.4.tar.gz