معرفی شرکت ها


boisgera-pioupiou-0.0a9


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 nano probabilistic programming language for Python
ویژگی مقدار
سیستم عامل -
نام فایل boisgera-pioupiou-0.0a9
نام boisgera-pioupiou
نسخه کتابخانه 0.0a9
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Sébastien Boisgérault
ایمیل نویسنده Sebastien.Boisgerault@mines-paristech.fr
آدرس صفحه اصلی https://github.com/boisgera/pioupiou
آدرس اینترنتی https://pypi.org/project/boisgera-pioupiou/
مجوز MIT License
Pioupiou 🐤 ================================================================================ [![build](https://github.com/boisgera/pioupiou/actions/workflows/build.yml/badge.svg)](https://github.com/boisgera/pioupiou/actions/workflows/build.yml) [![coverage](https://img.shields.io/endpoint?url=https://gist.githubusercontent.com/boisgera/13615cd4d2f090624f8fa068f29d67f9/raw/test.json)](https://boisgera.github.io/pioupiou/htmlcov) [![doc](https://img.shields.io/badge/doc-mkdocs-blue)](https://boisgera.github.io/pioupiou) ![stage](https://img.shields.io/badge/stage-pre--alpha-red) Introduction -------------------------------------------------------------------------------- Pioupiou is a nano probabilistic programming language, embedded into Python. Use it to define probabilistic models : >>> import pioupiou as pp >>> a, b = 0.5, 1.0 >>> X = pp.Uniform(0.0, 1.0) >>> E = pp.Normal(0.0, 0.1) >>> Y = a * X + b + E and to simulate them : >>> n = 1000 # number of samples >>> omega = pp.Omega(n) >>> x, y = X(omega), Y(omega) >>> x # doctest: +ELLIPSIS array([6.36961687e-01, 2.69786714e-01, 4.09735239e-02, ..., 3.80007897e-01]) >>> y # doctest: +ELLIPSIS array([1.09588258, 1.22942954, 1.01954509, 0.99213115, ..., 1.14366864]) That's about it! Use this data as you see fit. ![data](https://boisgera.github.io/pioupiou/images/xy.svg) Getting started -------------------------------------------------------------------------------- Install the latest version of pioupiou with $ pip install --upgrade git+https://github.com/boisgera/pioupiou.git then have a look at the documentation : <https://boisgera.github.io/pioupiou/> 🐤.


نیازمندی

مقدار نام
- numpy
- wrapt


زبان مورد نیاز

مقدار نام
>=3.8 Python


نحوه نصب


نصب پکیج whl boisgera-pioupiou-0.0a9:

    pip install boisgera-pioupiou-0.0a9.whl


نصب پکیج tar.gz boisgera-pioupiou-0.0a9:

    pip install boisgera-pioupiou-0.0a9.tar.gz