معرفی شرکت ها


bigearthnet-encoder-0.3.0


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

A flexible BigEarthNet encoder that allows one to quickly convert BigEarthNet to a DL-optimization data format.
ویژگی مقدار
سیستم عامل -
نام فایل bigearthnet-encoder-0.3.0
نام bigearthnet-encoder
نسخه کتابخانه 0.3.0
نگهدارنده []
ایمیل نگهدارنده []
نویسنده -
ایمیل نویسنده Kai Norman Clasen <k.clasen@protonmail.com>
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/bigearthnet-encoder/
مجوز Apache Software License 2.0
# BigEarthNet Encoder > A flexible BigEarthNet encoder that allows one to quickly convert BigEarthNet to a DL-optimization data format. [![Tests](https://img.shields.io/github/workflow/status/kai-tub/bigearthnet_encoder/CI?color=dark-green&label=%20Tests)](https://github.com/kai-tub/bigearthnet_encoder//actions/workflows/main.yml) [![License](https://img.shields.io/pypi/l/bigearthnet-encoder?color=dark-green)](https://github.com/kai-tub/bigearthnet_encoder//blob/main/LICENSE) [![Python Versions](https://img.shields.io/pypi/pyversions/bigearthnet-encoder)](https://pypi.org/project/bigearthnet-encoder) [![PyPI version](https://img.shields.io/pypi/v/bigearthnet-encoder)](https://pypi.org/project/bigearthnet-encoder) [![Conda Version](https://img.shields.io/conda/vn/conda-forge/bigearthnet-encoder?color=dark-green)](https://anaconda.org/conda-forge/bigearthnet-encoder) [![pdm-managed](https://img.shields.io/badge/pdm-managed-blueviolet)](https://pdm.fming.dev) [![Auto Release](https://img.shields.io/badge/release-auto.svg?colorA=888888&colorB=blueviolet&label=auto&logo=data:image/png;base64,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)](https://github.com/intuit/auto) <!-- [![MyPy Type Checker](https://img.shields.io/badge/%20type_checker-mypy-%231674b1?style=flat&color=dark-green)](http://mypy-lang.org/) --> The goal of the BigEarthNet Encoder library is to quickly transform the original BigEarthNet archive into a deep-learning optimized format. The long-term goal is to support multiple output formats. To simplify the process of working with BigEarthNet, each patch is first converted to a [BigEarthNet-Patch-Interface](https://docs.kai-tub.tech/bigearthnet_patch_interface/). This interface will guarantee that the data is complete and valid before moving on to creating the desired format. The patch data is internally stored as a NumPy array to keep the data in a framework-agnostic format. The library should provide all the necessary functionality via a CLI to allow for quick conversion without requiring an in-depth understanding of the library. As of now, the only supported target format is the [LMDB](lmdb) archive format.


نیازمندی

مقدار نام
- bigearthnet-common>=2.8
- bigearthnet-patch-interface>=0.1
- fastcore>=1.3
- lmdb>=1.3.0
- numpy>=1.19
- pandas>=1.3
- pydantic>=1.8
- rasterio>=1.2
- typer[all]>=0.6


زبان مورد نیاز

مقدار نام
>=3.8 Python


نحوه نصب


نصب پکیج whl bigearthnet-encoder-0.3.0:

    pip install bigearthnet-encoder-0.3.0.whl


نصب پکیج tar.gz bigearthnet-encoder-0.3.0:

    pip install bigearthnet-encoder-0.3.0.tar.gz