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

ExoPy python package

ویژگی	مقدار
سیستم عامل	-
نام فایل	exosomians-0.1.1
نام	exosomians
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ali Saberi
ایمیل نویسنده	saberiato@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/exosomians/
مجوز	-

# Exosomians ## Getting Started ## Installation ### Installation with pip To install the latest version from PyPI, simply use the following bash script: ```bash pip install exosomians ``` or you can clone this repository and install via setup.py file: ```bash git clone https://github.com/Exosomians/exosomians cd exosomians python setup.py -q ``` ## Examples ### Inference You can use pre-trained models to make predictions on your own datasets ```python import exopy as exo # Load the pre-trained model model = exo.ml.ExoGRU.load('./saved_models/ExoGRU/exogru_best-v2.ckpt') # Prepare dataset data = model.prepare_data('/path/to/fasta/data.fasta', seq_key='seq') # Get the predictions df_results = model.predict(data, batch_size=128) # Results will be stored in a pandas dataframe ``` ### Train from scratch ```python import exopy as exo exo.ml.ExoGRU.setup_dataset(path='/path/to/dataset/design.mat.csv', seq_key='seq', target_key='label', fraction=1.0) config = { 'activation_fn': 'relu', 'batch_size': 32, 'bidirectional': False, 'dropout_rate': 0.1, 'lr': 0.00011342016019358544, 'n_head_hidden': 512, 'n_head_layers': 2, 'n_hidden': 1024, 'n_layers': 1, 'network': 'exogru', 'use_batch_norm': True, 'use_layer_norm': False } model = exo.ml.ExoGRU(**config) model.fit(max_epochs=2000, train_size=0.8, batch_size=128, early_stopping_patience=5, check_val_every_n_epoch=3, save_path='./saved_models/ExoGRU/', ) ``` ### Sample Notebooks | Model | Path | |---------|-------------------------------------------------------------------------------------------------------------------------------------| | ExoGRU | [notebooks/training_demos/ExoGRU.ipynb](https://github.com/Exosomians/exosomians/blob/main/notebooks/training_demos/ExoGRU.ipynb) | | ExoCNN | [notebooks/training_demos/ExoCNN.ipynb](https://github.com/Exosomians/exosomians/blob/main/notebooks/training_demos/ExoCNN.ipynb) | | ExoLSTM | [notebooks/training_demos/ExoLSTM.ipynb](https://github.com/Exosomians/exosomians/blob/main/notebooks/training_demos/ExoLSTM.ipynb) |

نیازمندی

مقدار	نام
==1.23.4	numpy
==1.5.4	pytorch-lightning
>=1.9.3,<2.0.0	scanpy
>=2.0.0,<3.0.0	torch

زبان مورد نیاز

مقدار	نام
>=3.9,<4.0	Python

نحوه نصب

نصب پکیج whl exosomians-0.1.1:

pip install exosomians-0.1.1.whl

نصب پکیج tar.gz exosomians-0.1.1:

pip install exosomians-0.1.1.tar.gz