معرفی شرکت ها
fpq-0.9.0
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
This package provides modules for manipulating floating point numbers quantization using NumPy.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | fpq-0.9.0 |
| نام | fpq |
| نسخه کتابخانه | 0.9.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Hasenpfote |
| ایمیل نویسنده | Hasenpfote36@gmail.com |
| آدرس صفحه اصلی | https://github.com/Hasenpfote/fpq |
| آدرس اینترنتی | https://pypi.org/project/fpq/ |
| مجوز | - |
|License| |Build Status| |PyPI version| |Pyversions|
fpq
===
About
-----
This package provides modules for manipulating floating point numbers
quantization using NumPy.
Feature
-------
- Supports multidimensional arrays.
- Supports encoding and decoding between 64/32/16-bits floating point
numbers and N-bits unsigned normalized integers.
- Supports encoding and decoding between 64/32/16-bits floating point
numbers and N-bits signed normalized integers.
- Supports encoding and decoding between 3d-vectors and N-bits unsigned
integers.
- Supports encoding and decoding between Quaternions and N-bits
unsigned integers.
Compatibility
-------------
fpq works with Python 3.4 or higher.
Dependencies
------------
- NumPy
- Numba
Installation
------------
::
pip install fpq
Usage
-----
encoding and decoding between 32-bits floating point numbers and 5-bits
unsigned normalized integers.
.. code:: python
>>> import numpy as np
>>> from fpq.fp import *
>>> fp = np.array([0., 0.25, 1.], dtype=np.float32)
>>> enc = encode_fp_to_std_unorm(fp, dtype=np.uint8, nbits=5)
>>> enc
array([ 0, 8, 31], dtype=uint8)
>>> dec = decode_std_unorm_to_fp(enc, dtype=np.float32, nbits=5)
>>> dec
array([0. , 0.2580645, 1. ], dtype=float32)
encoding and decoding between 32-bits floating point numbers and 5-bits
signed normalized integers.
.. code:: python
>>> import numpy as np
>>> from fpq.fp import *
>>> fp = np.array([-1., -0.25, -0., 0., 0.25, 1.], dtype=np.float32)
>>> enc = encode_fp_to_std_snorm(fp, dtype=np.uint8, nbits=5)
>>> enc
array([31, 9, 1, 0, 8, 30], dtype=uint8)
>>> dec = decode_std_snorm_to_fp(enc, dtype=np.float32, nbits=5)
>>> dec
array([-1. , -0.26666668, -0. , 0. , 0.26666668,
1. ], dtype=float32)
>>> enc = encode_fp_to_ogl_snorm(fp, dtype=np.uint8, nbits=5)
>>> enc
array([17, 28, 0, 0, 4, 15], dtype=uint8)
>>> dec = decode_ogl_snorm_to_fp(enc, dtype=np.float32, nbits=5)
>>> dec
array([-1. , -0.26666668, 0. , 0. , 0.26666668,
1. ], dtype=float32)
encoding and decoding between 3d-vectors and 64-bits(2:20:20:22)
unsigned integers.
.. code:: python
>>> import math
>>> import random
>>> import numpy as np
>>> from fpq.vector import *
>>> v = np.array([vec_random(norm=100.) for _ in range(3)], dtype=np.float64)
>>> v
array([[-54.70386501, -22.45578546, -52.18237577],
[-85.46791152, -5.69032986, 1.21334561],
[ 16.02886205, 1.94634654, -30.35219431]])
>>> enc = encode_vec_to_uint(v, dtype=np.uint64, nbits=20)
>>> enc
array([ 1313110064653969262, 306332797892602581, 11373476070061802081],
dtype=uint64)
>>> dec = decode_uint_to_vec(enc, dtype=np.float64, nbits=20)
>>> dec
array([[-54.69957531, -22.45404536, -52.17828412],
[-85.4662517 , -5.69027392, 1.21334561],
[ 16.02845595, 1.94632843, -30.3514349 ]])
encoding and decoding between Quaternions and 64-bits(2:20:20:20)
unsigned integers.
.. code:: python
>>> import numpy as np
>>> from fpq.quaternion import *
>>> q = np.array([quat_random() for _ in range(3)], dtype=np.float64)
>>> q
array([[ 0.25679071, -0.15512517, 0.88804262, 0.34838917],
[ 0.71399177, 0.05729705, -0.69728753, -0.02688697],
[-0.66527338, -0.62596543, -0.40672262, -0.01246296]])
>>> enc = encode_quat_to_uint(q, dtype=np.uint64)
>>> enc
array([2724532880236077588, 93422189206870975, 1020620101889574962],
dtype=uint64)
>>> dec = decode_uint_to_quat(enc, dtype=np.float64)
>>> dec
array([[ 0.25679011, -0.15512497, 0.88804308, 0.34838854],
[ 0.71399243, 0.0572969 , -0.69728688, -0.02688637],
[ 0.66527395, 0.62596484, 0.40672258, 0.01246335]])
`Here <https://github.com/Hasenpfote/fpq/tree/master/example>`__ are a
few examples.
Documentation
-------------
For users, docs are now available at https://hasenpfote.github.io/fpq/.
References and links
--------------------
`D3D: Data Conversion
Rules <https://msdn.microsoft.com/en-us/library/windows/desktop/dd607323(v=vs.85).aspx>`__
`OGL: Normalized
Integer <https://www.khronos.org/opengl/wiki/Normalized_Integer>`__
`Vulkan: Fixed-Point Data
Conversions <http://vulkan-spec-chunked.ahcox.com/ch02s08.html>`__
License
-------
This software is released under the MIT License, see LICENSE.
.. |License| image:: https://img.shields.io/badge/license-MIT-brightgreen.svg
:target: https://github.com/Hasenpfote/fpq/blob/master/LICENSE
.. |Build Status| image:: https://travis-ci.com/Hasenpfote/fpq.svg?branch=master
:target: https://travis-ci.com/Hasenpfote/fpq
.. |PyPI version| image:: https://badge.fury.io/py/fpq.svg
:target: https://badge.fury.io/py/fpq
.. |Pyversions| image:: https://img.shields.io/pypi/pyversions/fpq.svg?style=flat
:target: https://img.shields.io/pypi/pyversions/fpq.svg?style=flat
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.4 | Python |
نحوه نصب
نصب پکیج whl fpq-0.9.0:
pip install fpq-0.9.0.whl
نصب پکیج tar.gz fpq-0.9.0:
pip install fpq-0.9.0.tar.gz