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

Active Learning Environments

ویژگی	مقدار
سیستم عامل	-
نام فایل	dinos-0.1.1
نام	dinos
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Alexandre Manoury
ایمیل نویسنده	alex@pika.tf
آدرس صفحه اصلی	https://github.com/Pikalchemist/dinos
آدرس اینترنتی	https://pypi.org/project/dinos/
مجوز	-

# Dinos Dinos is a simulation environment for active learning algorithms. # Getting started First of all, install the package either using pip: pip install dinos Or from the git repository: pip install -r ./requirements.txt pip install -e . Examples are provided in the `examples` folder from the git repository. # How does it works To run a Dinos experiment you need an `Environment` and an `Agent`. For instance, an environment may be initialized as follow: from dinos.environments.playground import PlaygroundEnvironment env = PlaygroundEnvironment() From there you can either use your own code and use low level API to interact with the environment: `env.step(self, action, actionParameters=[], config=None)` as detailed later on. The second option is to use the Dinos Agent system to manage your algorithm. For instance to create an agent that will perform a random action at each step: from dinos.agents.random import RandomAgent agent = RandomAgent(env.world.findHost()) > `env.world.findHost()` let you find an entity in the environment that can be controlled by your learner (we call such entity an *host*) Each `Agent` has a `reach(self, configOrGoal)` method that can be used to tell the agent to reach a specific goal. Additionally a specific type of agent exists: `Learner`. This class is designed to be used with a dataset or a memory to learn from its interactions with the environment. Each `Learner` has a `train(self, iterations=None, untilIteration=None, episodes=None, untilEpisode=None)` method used to train your learner for a given number of iterations or episodes. More details are present in the `examples` folder from the git repository.

نیازمندی

مقدار	نام
-	exlab
-	Cython
-	matplotlib
-	numpy
-	panda3d
-	Pillow
-	pygame
-	pymunk
-	scikit-learn
-	scipy
-	sklearn

نحوه نصب

نصب پکیج whl dinos-0.1.1:

pip install dinos-0.1.1.whl

نصب پکیج tar.gz dinos-0.1.1:

pip install dinos-0.1.1.tar.gz