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: