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

Fast and scalable Gaussian Processes in 1D

ویژگی	مقدار
سیستم عامل	-
نام فایل	celerite2-0.3.0rc1
نام	celerite2
نسخه کتابخانه	0.3.0rc1
نگهدارنده	['Daniel Foreman-Mackey']
ایمیل نگهدارنده	['foreman.mackey@gmail.com']
نویسنده	Daniel Foreman-Mackey
ایمیل نویسنده	foreman.mackey@gmail.com
آدرس صفحه اصلی	https://celerite2.readthedocs.io
آدرس اینترنتی	https://pypi.org/project/celerite2/
مجوز	MIT

# celerite2 _celerite_ is an algorithm for fast and scalable Gaussian Process (GP) Regression in one dimension and this library, _celerite2_ is a re-write of the original [celerite project](https://celerite.readthedocs.io) to improve numerical stability and integration with various machine learning frameworks. Documentation for this version can be found [here](https://celerite2.readthedocs.io/en/latest/). This new implementation includes interfaces in Python and C++, with full support for Theano/PyMC3 and JAX. This documentation won't teach you the fundamentals of GP modeling but the best resource for learning about this is available for free online: [Rasmussen & Williams (2006)](http://www.gaussianprocess.org/gpml/). Similarly, the _celerite_ algorithm is restricted to a specific class of covariance functions (see [the original paper](https://arxiv.org/abs/1703.09710) for more information and [a recent generalization](https://arxiv.org/abs/2007.05799) for extensions to structured two-dimensional data). If you need scalable GPs with more general covariance functions, [GPyTorch](https://gpytorch.ai/) might be a good choice.

نیازمندی

مقدار	نام
>=1.13.0	numpy
-	isort
-	black
-	black-nbconvert
-	coverage[toml]
-	pytest
-	pytest-cov
-	scipy
>=0.3.1	celerite
-	pep517
-	twine
-	pre-commit
-	nbstripout
-	flake8
-	sphinx
-	sphinx-material
-	sphinx-copybutton
-	rtds-action
-	nbsphinx
-	breathe
-	ipython
-	jax
-	jaxlib
<3.12,>=3.9	pymc3
>=0.0.2	aesara-theano-fallback
-	pep517
-	twine
-	isort
-	black
-	black-nbconvert
-	coverage[toml]
-	pytest
-	pytest-cov
-	scipy
>=0.3.1	celerite
<3.12,>=3.9	pymc3
>=0.0.2	aesara-theano-fallback
-	jupytext
-	jupyter
-	nbconvert
-	matplotlib
-	scipy
-	emcee
<3.12,>=3.9	pymc3
>=0.0.2	aesara-theano-fallback
-	tqdm
-	numpyro

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl celerite2-0.3.0rc1:

pip install celerite2-0.3.0rc1.whl

نصب پکیج tar.gz celerite2-0.3.0rc1:

pip install celerite2-0.3.0rc1.tar.gz