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

Neural networks for feature extraction for gravitational waves.

ویژگی	مقدار
سیستم عامل	-
نام فایل	dingo-enets-0.1.0
نام	dingo-enets
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Maximilian Dax
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/max-dax/dingo-enets/
آدرس اینترنتی	https://pypi.org/project/dingo-enets/
مجوز	MIT

# dingo-enets This reposity contains the embedding networks from [1], which are trained for the purpose of gravitational wave parameter estimation. If you find this code useful please cite [1]. Note: This is only a partial release of the code used in [1]. A more comprehensive package will be released in the near future. The present repository will not be maintained once the full package is publicly available. ## Usage Build a virtual environment and install `dingo-enets`. ```bash $ python3 -m venv venv $ source venv/bin/activate $ pip install dingo-enets ``` Use `dingo-enets` to download and build a trained embedding network for a particular observing run. The model will be saved in `</path/to/model_directory>`. ```python > from dingo_enets import build_enet > enet = build_enet(run="O1", detectors=["H1", "L1"], model_dir="</path/to/model_directory>") > import torch > input = torch.rand(10, 2, 3, 8033) > output = enet(input) > print(output.shape) ``` The function `build_enet` recognises whether a suitable model is present in the model directory, in which case it is not downloaded but instead loaded directly from disk. ## References [1] M. Dax, S.R. Green, J. Gair, J.H. Macke, A. Buonanno, B. Schölkops, _Real-Time Gravitational Wave Science with Neural Posterior Estimation_, Phys.Rev.Lett. 127 (2021) 24, 241103. [[arXiv]](https://arxiv.org/abs/2106.12594) [[inspirehep]](https://inspirehep.net/literature/1870159)

نیازمندی

مقدار	نام
-	numpy
-	torch
-	nflows
-	pyyaml
-	gdown
-	textwrap3
-	pytest
-	black

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl dingo-enets-0.1.0:

pip install dingo-enets-0.1.0.whl

نصب پکیج tar.gz dingo-enets-0.1.0:

pip install dingo-enets-0.1.0.tar.gz