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

An end-to-end, modular deep learning package time-series predictive modeling.

ویژگی	مقدار
سیستم عامل	-
نام فایل	dnntime-0.4.1
نام	dnntime
نسخه کتابخانه	0.4.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Kevin R. Chen
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/Kevin-Chen0/deep-time-series.git
آدرس اینترنتی	https://pypi.org/project/dnntime/
مجوز	Apache License 2.0

# Deep Neural Networks (DNN) for time-series data Turnkey and modular deep learning predictive modeling package for time-series data. It allows for univariate and multivariate time-series as well as single and multi-step forecasts. DNN models include RNNs, LSTMs, GRUs, CNNs, hybrids, and more. ### Quick start **Step 1)** Create and activate new env using `pipenv` or `conda` with Python 3.6 or higher. Here, the env is named `dts`. ``` conda create -n dts python=3.6 conda activate dts ``` **Step 2)** Pip install `dnntime` package. It will automatically install or update the dependent packages. ```pip install dnntime``` **Step 3)** In your working directory, download the example directory from this repo and `cd` into it. ``` svn export https://github.com/Kevin-Chen0/dnn-time-series.git/trunk/example cd example ``` **Step 4)** To run it locally, open [local_run.ipynb](https://github.com/Kevin-Chen0/dnn-time-series/blob/master/example/local_run.ipynb) and proceed to run all. It will use [local_config.yaml](https://github.com/Kevin-Chen0/dnn-time-series/blob/master/example/local_config.yaml) as parameters to customize the procedures at runtime. It double-checks whether you installed the latest `dnntime` (v0.3.9.3) and will install for you if not. Make sure that you have set the dataset file path in local_config.yaml and the local_config.yaml path in local_run.ipynb. *NOTE:* It is highly recommended to run this package using a GPU. Although CPU may work on small-scale datasets of < 10,000 samples, it may encounter performance issues on any dataset larger than that, including the example datasets found here. If you do not have a GPU, you can skip Step 4) and move to Step 5) Google Colab. **Step 5)** To run it on Google Colab, first make sure that you have a Google account and is logged in. Then go to the Colab [page](https://colab.research.google.com/notebooks/intro.ipynb) and upload [colab_run.ipynb](https://github.com/Kevin-Chen0/dnn-time-series/blob/master/example/colab_run.ipynb) [colab_config.yaml](https://github.com/Kevin-Chen0/dnn-time-series/blob/master/example/colab_config.yaml), and an time-series example [dataset](https://github.com/Kevin-Chen0/dnn-time-series/tree/master/example/datasets). Those files will actually be stored onto your Google Drive upon uploading into Colab. Next, copy the sharable links and the colab_config.yaml and given dataset files and add them onto colab_run.ipynb. Finally, in the colab_run.ipynb notebook, set the runtime type as `GPU` and run all. *NOTE:* You can copy this notebook to run on any cloud notebook as long as you can customize how to store and extract the files from that cloud instance.

نیازمندی

مقدار	نام
>=5.3	pyyaml
>=1.18	numpy
==0.25.3	pandas
>=3.1.3	matplotlib
>=0.9.0	seaborn
>=4.5.3	plotly
>=5.0.4	nbformat
>=0.22.0	scikit-learn
>=0.11.0	statsmodels
>=0.0.4	tscv
>=4.5	art
>=0.5	fbprophet
>=2.1.0	tensorflow

زبان مورد نیاز

مقدار	نام
>= 3.6	Python

نحوه نصب

نصب پکیج whl dnntime-0.4.1:

pip install dnntime-0.4.1.whl

نصب پکیج tar.gz dnntime-0.4.1:

pip install dnntime-0.4.1.tar.gz