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

Python library for analysis of time series data including dimensionality reduction, clustering, and Markov model estimation.

ویژگی	مقدار
سیستم عامل	-
نام فایل	deeptime-0.4.4
نام	deeptime
نسخه کتابخانه	0.4.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Moritz Hoffmann, Martin Scherer, Tim Hempel, Andreas Mardt, Maaike Galama, Brian de Silva, Brooke Husic, Stefan Klus, Hao Wu, Nathan Kutz, Steven Brunton, Frank Noé
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/deeptime/
مجوز	-

# deeptime [![License: LGPL v3](https://img.shields.io/badge/License-LGPL%20v3-blue.svg)](https://www.gnu.org/licenses/lgpl-3.0) [![Build Status](https://dev.azure.com/clonker/deeptime/_apis/build/status/deeptime-ml.deeptime?branchName=main)](https://dev.azure.com/clonker/deeptime/_build/latest?definitionId=1&branchName=main) [![codecov](https://codecov.io/gh/deeptime-ml/deeptime/branch/main/graph/badge.svg?token=MgQZqDM4sK)](https://codecov.io/gh/deeptime-ml/deeptime) [![DOI](https://img.shields.io/badge/DOI-10.1088%2F2632--2153%2Fac3de0-blue)](https://doi.org/10.1088/2632-2153/ac3de0) Deeptime is a general purpose Python library offering various tools to estimate dynamical models based on time-series data including conventional linear learning methods, such as Markov State Models (MSMs), Hidden Markov Models (HMMs) and Koopman models, as well as kernel and deep learning approaches such as VAMPnets and deep MSMs. The library is largely compatible with scikit-learn, having a range of Estimator classes for these different models, but in contrast to scikit-learn also provides Model classes, e.g., in the case of an MSM, which provide a multitude of analysis methods to compute interesting thermodynamic, kinetic and dynamical quantities, such as free energies, relaxation times and transition paths. Releases: Installation via `conda` recommended, `pip` compiles the library locally. | [![conda-forge](https://img.shields.io/conda/v/conda-forge/deeptime?color=brightgreen&label=conda-forge)](https://github.com/conda-forge/deeptime-feedstock) | [![PyPI](https://badge.fury.io/py/deeptime.svg)](https://pypi.org/project/deeptime) | |:-: |:-: | | `conda install -c conda-forge deeptime` | `pip install deeptime` | Documentation: [deeptime-ml.github.io](https://deeptime-ml.github.io/). ## Building the latest trunk version of the package: Using pip with a local clone and pulling dependencies: ``` git clone https://github.com/deeptime-ml/deeptime.git cd deeptime pip install . ``` Or using pip directly on the remote: ``` pip install git+https://github.com/deeptime-ml/deeptime.git@main ```

نیازمندی

مقدار	نام
>=1.20	numpy
>=1.9.0	scipy
>=1.1	scikit-learn
>=3.1.0	threadpoolctl
-	torch
-	sphinx
-	nbsphinx
-	sphinxcontrib-bibtex
-	matplotlib
-	networkx
-	sphinxcontrib-katex
-	sphinx-gallery
-	torch
-	memory-profiler
-	mdshare
-	nbconvert
-	jupyter
-	tqdm
-	matplotlib
-	networkx
==7.1.2	pytest
==3.0.0	pytest-cov
-	coverage[toml]
==2.5.0	pytest-xdist
==3.7.0	flaky
==4.64.0	tqdm
>=0.29.30	cython
>=2.10.1	pybind11
-	networkx
-	matplotlib
>=3.24	cmake
>=1.12.0	torch
-	ninja
>=0.20	pint

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl deeptime-0.4.4:

pip install deeptime-0.4.4.whl

نصب پکیج tar.gz deeptime-0.4.4:

pip install deeptime-0.4.4.tar.gz