معرفی شرکت ها

cuTradeNet-0.1.2

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
0.1.2
0.0.5
0.0.1
0.0.5
0.0.1

توضیحات

GPU-Accelerated Kinetic Wealth Exchange Models on Complex Networks
ویژگی مقدار
سیستم عامل -
نام فایل cuTradeNet-0.1.2
نام cuTradeNet
نسخه کتابخانه 0.1.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Santiago Cuevas
ایمیل نویسنده san.cuevas@protonmail.com
آدرس صفحه اصلی https://github.com/Qsanti/cuTradeNet
آدرس اینترنتی https://pypi.org/project/cuTradeNet/
مجوز -
<h1 align="center"> <img src="resources/logo.png" width="320"> </h1><br> ### *cuTradeNet* library provides classes to easily create & run [*kinetic wealth exchange models*](https://rf.mokslasplius.lt/elementary-kinetic-exchange-models/ "online mini simulations") on complex networks. Leads the user to set one (or ensemble) of *complex networks* as a contact structure agents use to trade about. The following wealth exchange models were implemented: * [Yard-sale model](https://www.sciencedirect.com/science/article/pii/S0378437120309237 "model details here") * [Merger-Spinoff model](https://www.sciencedirect.com/science/article/pii/S0378437120309237 "model details here") * [Dragulescu and Yakovenko](https://arxiv.org/abs/cond-mat/0001432) * Constant model * [Chatterjee, Chakrabarti and Manna ](https://iopscience.iop.org/article/10.1238/Physica.Topical.106a00036) * "All in" model It is written in Python and uses Cuda module from [Numba](https://numba.pydata.org/ "Numba page") package to accelerate the simulation runnin in GPU, *paralelizing some transaccions* in the same graph and *paralelizing runs* in multiple graphs, leading to **easier** & **faster** averaging of system properties. It's completely abstracted from the CUDA knowledge for the user, so you can use it as a regular Python library. ## How to use There is a [Demo notebook](https://github.com/Qsanti/cuTradeNet/blob/master/Models%26Demo/Demo.ipynb) in the repository that can be tryed in it's [Google Colab](https://colab.research.google.com/github/Qsanti/cuTradeNet/blob/master/Models%26Demo/Demo.ipynb) version too (you can use the package there if you don't have a NVIDIA gpu). There is also a [General explanation](https://github.com/Qsanti/cuTradeNet/blob/master/Models%26Demo/ModelsList.ipynb) of Kinetic Wealth Exchange Models used. ## How to install You can install it from [PyPi](https://pypi.org/project/cuTradeNet/ "cuTradeNet page in PyPi") with the following command: ```bash pip install cuTradeNet ``` ### Repository&Questions The repository is in [GitHub](https://github.com/Qsanti/cuTradeNet/), and you can ask questions or contact us in the [Discussions](https://github.com/Qsanti/cuTradeNet/discussions/ "cuTradeNet discussions") section. ### CUDA dependencies In order to use this library in your personal computer you should have a [CUDA capable gpu](https://developer.nvidia.com/cuda-gpus) and download the [CUDA Toolkit](https://developer.nvidia.com/cuda-downloads) for your OS. If you don't fulfill this requirementes you can always use it in [the cloud](https://colab.research.google.com/github/Qsanti/cuTradeNet/blob/master/Models%26Demo/Demo.ipynb). Don't hesitate to [contact us](https://github.com/Qsanti/cuTradeNet/discussions/ "cuTradeNet discussions") to get help! [![DOI](https://zenodo.org/badge/552182062.svg)](https://zenodo.org/badge/latestdoi/552182062)


نیازمندی

مقدار نام
- numba
- networkx
- igraph


نحوه نصب


نصب پکیج whl cuTradeNet-0.1.2:

    pip install cuTradeNet-0.1.2.whl


نصب پکیج tar.gz cuTradeNet-0.1.2:

    pip install cuTradeNet-0.1.2.tar.gz