光场深度学习的张量流框架。
lfcnn的Python项目详细描述
lfcnn-光场深度学习的张量流框架
许可证和使用
此软件是根据GNU GPLv3许可证授权的（见下文）。在
如果您在科研中使用此软件，请引用我们的论文：
Not yet available. Please check back later.
快速入门
看看Documentation 关于使用说明。在
此外，您可以在examples文件夹中找到一些有用的示例
可以帮助你开始。在
安装
建议使用Conda来设置一个支持tensorflow和GPU的新环境。 要使用GPU支持进行安装，请运行
^{pr2}$然后，使用pip安装提供的包：
pip install lfcnn
可选依赖项
或者，对于LFCNN的某些功能，请安装以下内容：
matplotlib（通过conda或pip）sacred（通过pip）pymongo（通过conda或pip）mdbh（通过pip）
在Windows
上安装LFCNN主要兼容所有TF版本TensorFlow>；=2.0，
但是有一个错误特斯拉斯这就导致了oom与数据生成器的结合
（LFCNN使用的）和多线程和-处理。
因此，我们指定tensorflow >= 2.2作为依赖项，
对于这个错误，resolved。在
然而，截至2020年7月，tf2.2和tf2.3还没有在Anaconda for Windows上发布。 所以对于Windows，有必要通过pip安装TF。 但是，安装兼容的cuDNN和CUDA 为了简单起见，通过康达表演。 要使用正确的CUDA和cuDNN版本设置新环境，请运行
conda create -n lfcnn python=3.8 numpy scipy imageio h5py cudnn=7.6.5 cudatoolkit=10.1
conda activate lfcnn
pip install tensorflow==2.3 tensorflow-gpu==2.3
此外，Visual C++ redistributable 必须安装在Windows上。在
最后，像往常一样通过pip安装LFCNN：
pip install lfcnn
测试
您可以使用pytest手动运行测试：
$ pytest <path-to-lfcnn>/test/
卸载
使用卸载lfcnn
$ pip uninstall lfcnn
贡献
如果你有兴趣为LFCNN撰稿，请随时发表一个问题或 派生项目并提交合并请求。因为这个项目还在进行中 重组和扩展，随时欢迎帮助！在
程序员
请坚持 PEP 8 Python coding styleguide。在
ReconstructedText的docstring编码样式遵循 googledoc style。在
许可证
版权所有（C）2020 LFCNN作者
这个程序是免费软件：你可以重新发布和/或修改 根据GNU通用公共许可证的条款 自由软件基金会，许可证的第3版，或 （由您选择）任何更高版本。在
分发这个程序是希望它能有用， 但没有任何保证；甚至没有 适销性或对特定目的的适用性。见 GNU通用公共许可证获取更多详细信息。在
您应该已经收到了GNU通用公共许可证的副本 和这个节目一起。如果没有，请参见https://www.gnu.org/licenses/。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
