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

FSL testing framework

ویژگی	مقدار
سیستم عامل	-
نام فایل	fsl-pyfeeds-0.9.5
نام	fsl-pyfeeds
نسخه کتابخانه	0.9.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Paul McCarthy
ایمیل نویسنده	pauldmccarthy@gmail.com
آدرس صفحه اصلی	https://git.fmrib.ox.ac.uk/fsl/pyfeeds
آدرس اینترنتی	https://pypi.org/project/fsl-pyfeeds/
مجوز	Apache License Version 2.0

# `pyfeeds` [![PyPi version](https://img.shields.io/pypi/v/fsl-pyfeeds.svg)](https://pypi.python.org/pypi/fsl-pyfeeds/) [![Anaconda version](https://anaconda.org/conda-forge/fsl-pyfeeds/badges/version.svg)](https://anaconda.org/conda-forge/fsl-pyfeeds/) [![Coverage report](https://git.fmrib.ox.ac.uk/fsl/pyfeeds/badges/master/coverage.svg)](https://git.fmrib.ox.ac.uk/fsl/pyfeeds/commits/master) ## The FSL Evaluation and Example Data Suite (FEEDS), now in Python! `pyfeeds` (the FMRIB Evaluation and Example Data Suite) is a framework for running and managing tests for the FSL code base. ### Test writers If you want to write a test for your project, check out the page on [how to write a `pyfeeds` test](doc/writing_a_test.md). ### `pyfeeds` users If you are going to be running `pyfeeds` tests, or are just interested, check out these pages: - [Using `pyfeeds`](doc/using_pyfeeds.md) - [Configuring `pyfeeds`](doc/configuring_pyfeeds.md) - [How `pyfeeds` works](doc/how_pyfeeds_works.md) ### Running the example tests To run the examples included with `pyfeeds`, you will need [FSL](https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/) 5.0.9 or newer installed, and you will need to download the example and benchmark data sets from the `pyfeeds` [git repository](https://git.fmrib.ox.ac.uk/fsl/pyfeeds). Use the following commands to run the tests: exprs="*.nii.gz=evalImage" exprs="$exprs:dti_V?.nii.gz=evalVectorImage" exprs="$exprs:*.txt=evalNumericalText" exprs="$exprs:*.mat=evalNumericalText" pyfeeds run -e "$exprs" \ -i exampleInputData \ -b exampleBenchmarkData \ -o exampleOutput examples | Note that the FEAT example test may not pass for you, as different versions | of FSL may produce slightly different results.

نیازمندی

مقدار	نام
>=1.11.1	numpy
>=2.1.0	nibabel

نحوه نصب

نصب پکیج whl fsl-pyfeeds-0.9.5:

pip install fsl-pyfeeds-0.9.5.whl

نصب پکیج tar.gz fsl-pyfeeds-0.9.5:

pip install fsl-pyfeeds-0.9.5.tar.gz