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

A Python library for large-scale exact nearest neighbor search using Buffer k-d Trees (bufferkdtree).

ویژگی	مقدار
سیستم عامل	-
نام فایل	bufferkdtree-1.3
نام	bufferkdtree
نسخه کتابخانه	1.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Fabian Gieseke
ایمیل نویسنده	fabian.gieseke@di.ku.dk
آدرس صفحه اصلی	https://github.com/gieseke/bufferkdtree
آدرس اینترنتی	https://pypi.org/project/bufferkdtree/
مجوز	GNU GENERAL PUBLIC LICENSE Version 2

============ bufferkdtree ============ The bufferkdtree package is a Python library that aims at accelerating nearest neighbor computations using both k-d trees and modern many-core devices such as graphics processing units (GPUs). The implementation is based on `OpenCL <https://www.khronos.org/opencl>`_. The buffer k-d tree technique can be seen as an intermediate version between a standard parallel k-d tree traversal (on multi-core systems) and a massively-parallel brute-force implementation for nearest neighbor search. In particular, it makes use of the top of a standard k-d tree (which induces a spatial subdivision of the space) and resorts to a simple yet efficient brute-force implementation for processing chunks of "big" leaves. The implementation is well-suited for data sets with a large reference set (e.g., 1,000,000 points) and a huge query set (e.g., 10,000,000 points) given a moderate dimensionality of the search space (e.g., from d=5 to d=50). ============= Documentation ============= See the `documentation <http://bufferkdtree.readthedocs.org>`_ for details and examples. ============ Dependencies ============ The bufferkdtree package has been tested under Python 2.6/2.7/3.*. The required Python dependencies are: - NumPy >= 1.11.0 Further, `Swig <http://www.swig.org>`_, `OpenCL <https://www.khronos.org/opencl>`_ (version >= 1.2), `setuptools <https://pypi.python.org/pypi/setuptools>`_, and a working C/C++ compiler need to be available. See the `documentation <http://bufferkdtree.readthedocs.org>`_ for more details. ========== Quickstart ========== The package can easily be installed via pip via:: pip install bufferkdtree To install the package from the sources, first get the current stable release via:: git clone https://github.com/gieseke/bufferkdtree.git Afterwards, on Linux systems, you can install the package locally for the current user via:: python setup.py install --user On Debian/Ubuntu systems, the package can be installed globally for all users via:: python setup.py build sudo python setup.py install ========== Disclaimer ========== The source code is published under the GNU General Public License (GPLv2). The authors are not responsible for any implications that stem from the use of this software.

نحوه نصب

نصب پکیج whl bufferkdtree-1.3:

pip install bufferkdtree-1.3.whl

نصب پکیج tar.gz bufferkdtree-1.3:

pip install bufferkdtree-1.3.tar.gz