معرفی شرکت ها
elc-flow-0.2.0
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 بیشترتوضیحات
A graph flow engine for East Low Carbon
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | elc-flow-0.2.0 |
| نام | elc-flow |
| نسخه کتابخانه | 0.2.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | sunao |
| ایمیل نویسنده | sunao_0626@hotmail.com |
| آدرس صفحه اصلی | https://github.com/eggachecat/elc-flow-engine |
| آدرس اینترنتی | https://pypi.org/project/elc-flow/ |
| مجوز | - |
# elcflow
[](https://travis-ci.com/eggachecat/elc-flow-engine)
[](https://badge.fury.io/py/elc-flow)
[](https://coveralls.io/github/eggachecat/elc-flow-engine)
[](https://elc-flow-engine.readthedocs.io)
## 介绍
ELC使用
## 指令
### 生成文档
> cd docs && sphinx-apidoc -o source ../elcflow/ && make html
### 测试
> pytest --cov=elcflow
## 使用[V2]
### 注册算子
使用`register_elc_function_v2`来注册是一个算子,算子包含以下属性:
- name
- 唯一的标识符,用来找到这个算子
- parameters
- 字典类型, 包含了默认的参数
- 主要适用于例如指数函数,其指数当作参数
- 给指数2 -> 平方
算子的输入和输出被严格规定
- 输入
- global_states
- 全局的一个state是一个字典
- result
- 前一个节点的结果
- parameters
- 参数
- 输出
- 一定是一个字典
### 用例
```python
from elcflow.base import register_elc_function_v2
@register_elc_function_v2(name='elc_select_data_v2')
def elc_select_data_v2(global_states, result, parameters):
return {'return': global_states[parameters['key']]}
@register_elc_function_v2(name='elc_add_plus_plus_v2')
def elc_add_plus_plus_v2(global_states, result, parameters):
return {'return': result['return'] + 1}
@register_elc_function_v2(name='elc_mul_v2')
def elc_mul_v2(global_states, result, parameters):
_result = result['return'] * int(global_states['multiplier'])
global_states['elc_mul_v2_result'] = _result
return {'return': _result}
@register_elc_function_v2(name='elc_pow_for_mul_v2')
def elc_pow_for_mul_v2(global_states, result, parameters):
_result = global_states['elc_mul_v2_result'] ** int(parameters['a'])
global_states['elc_pow_for_mul_v2_result'] = _result
return {'return': _result}
```
### 图
#### 数据结构
图主要由以下两部分组成
- nodes
- 包含了所有的节点的信息
- id
- label
- 类型
- 数据类型
- 算子类型
- 其他
- 例如算子的参数
- edges
- 有方向的边,从一个node的数据流向另一个node
- id
- source
- 起始节点的id
- target
- 结束节点的id
#### 例子
```python
from elcflow.graph import *
from elcflow.graph import *
from elcflow.helpers import json_stringify, json_parse
_model_2_globals = {
"global_variable_1": 5,
"multiplier": 3
}
_model_dict_v2 = {
"nodes": [
{"label": "data-selector", "id": "0ea5a129", "_elc_node_type": 'operator', "_elc_function": 'elc_select_data_v2', "_elc_parameters": {"key": "global_variable_1"}},
{"label": "add_plus_plus", "id": "8ac87236", "_elc_node_type": 'operator', "_elc_function": "elc_add_plus_plus_v2"},
{"label": "multiplier x", "id": "0d1af6ff", "_elc_node_type": 'operator', "_elc_function": "elc_mul_v2"},
{"label": "pow_for_mul", "id": "9d1af6ff", "_elc_node_type": 'operator', "_elc_function": "elc_pow_for_mul_v2", "_elc_parameters": {"a": 4}},
],
"edges": [
{"source": "0ea5a129", "target": "8ac87236", "id": "74bc97ca"},
{"source": "8ac87236", "target": "0d1af6ff", "id": "d3645364"},
{"source": "0d1af6ff", "target": "9d1af6ff", "id": "b0eb9a9b"},
]
}
# 从json结构parse成图
_graph = ELCGraph.create_from_elc_json(_model_dict_v2, elc_graph_version=ELC_GRAPH_VERSION_V2)
# 并且初始化global
_graph.set_state(_globals=_model_2_globals)
# 编译图: 包含了对于节点拓扑排序并且初始化的工作
_graph.compile()
# 执行图
_graph.execute()
# 画图
_graph.plot(show=True, with_state=True)
```
## 使用[V1]
### 注册算子
使用`register_elc_function`来注册是一个算子,算子包含以下属性:
- name
- 唯一的标识符,用来找到这个算子
- outputs
- list
- 给输出取名字(在图上徐)
- 对应到是节点输出的id
- inputs
- 不可选, 则使用函数中定义的名称
- 对应到是节点输入的id
- parameters
- 字典类型, 包含了默认的参数
- 主要适用于例如指数函数,其指数当作参数
- 给指数2 -> 平方
### 用例
```python
from elcflow.base import register_elc_function
@register_elc_function(outputs=['elc_output'], name='elc_exp_and_plus', parameters={'x': 5})
# 一个例子
# 表明注册了一个名称为elc_exp_and_plus算子
# 他的输入有[a,b,x]
# 其中x是参数给的默认值是5
# 它输出的名字叫做elc_output
def elc_exp_and_plus_(a, b, x=2):
return a ** x + b ** x
```
### 图
#### 数据结构
图主要由以下两部分组成
- nodes
- 包含了所有的节点的信息
- id
- label
- 类型
- 数据类型
- 算子类型
- 其他
- 例如算子的参数
- edges
- 有方向的边,从一个node的*某一个输出*数据流向另一个node的*某一个输入*
- id
- source
- 起始节点的id
- target
- 结束节点的id
- _elc_source_output_id
- 起始节点输出的id
- 可能有多个输出, 取哪一个?
- __elc_target_input_id
- 结束节点输入的id
- 可能有多个输入, 对应到哪一个?
#### 例子
```python
from elcflow.graph import *
from elcflow.graph import *
from elcflow.helpers import json_stringify, json_parse
json_model = {
"nodes": [
{"label": "Input-2", "id": "3362b879", "_elc_node_type": 'data'},
{"label": "Input-1", "id": "0ea5a129", "_elc_node_type": 'data'},
{"label": "Add", "id": "8ac87236", "_elc_node_type": 'operator', "_elc_function": "elc_add"},
{"label": "MUL", "id": "0d1af6ff", "_elc_node_type": 'operator', "_elc_function": "elc_mul"},
{"label": "POW", "id": "9d1af6ff", "_elc_node_type": 'operator', "_elc_function": "elc_pow", "_elc_parameters": {"a": 4}},
{"label": "OUTPUT", "id": "1d1af6ff", "_elc_node_type": 'operator', "_elc_function": "elc_output", },
{"label": "OUTPUT", "id": "2d1af6ff", "_elc_node_type": 'operator', "_elc_function": "elc_output"},
],
"edges": [
{"source": "0ea5a129", "target": "8ac87236", "id": "74bc97ca", "_elc_source_output_id": '', "_elc_target_input_id": "a"},
{"source": "3362b879", "target": "8ac87236", "id": "d3645364", "_elc_source_output_id": '', "_elc_target_input_id": "b"},
{"source": "8ac87236", "target": "0d1af6ff", "id": "b0eb9a9b", "_elc_source_output_id": 'sum_result', "_elc_target_input_id": "a"},
{"source": "3362b879", "target": "0d1af6ff", "id": "0e6c0fde", "_elc_source_output_id": '', "_elc_target_input_id": "b"},
{"source": "0d1af6ff", "target": "9d1af6ff", "id": "7e6c0fde", "_elc_source_output_id": 'mul_result', "_elc_target_input_id": "x"},
{"source": "0d1af6ff", "target": "1d1af6ff", "id": "1e6c0fde", "_elc_target_input_id": "kwargs"},
{"source": "9d1af6ff", "target": "2d1af6ff", "id": "2e6c0fde", "_elc_target_input_id": "kwargs"},
]
}
# 从json结构parse成图
_graph = ELCGraph.create_from_elc_json(json_model)
# 编译图: 包含了对于节点拓扑排序并且初始化的工作
_graph.compile()
# 把输入节点的数据喂进去
_graph.feed_data_dict({
'3362b879': 5,
'0ea5a129': 6
})
# 执行图
_graph.execute()
# 序列化整个图结构
graph_str = json_stringify(_graph.to_dict())
# 解析序列化结构到图
new_graph = ELCGraph.load(json_parse(graph_str))
# 把结果画出来
new_graph.plot(show=True, with_state=True)
```
نحوه نصب
نصب پکیج whl elc-flow-0.2.0:
pip install elc-flow-0.2.0.whl
نصب پکیج tar.gz elc-flow-0.2.0:
pip install elc-flow-0.2.0.tar.gz