使用fAIr进行预测的包

导航

验证详情

这些详情已由PyPI验证
维护者
来自gravatar.com的kshitijrajsharma的头像 kshitijrajsharma

未验证详情

这些详情尚未由PyPI验证
项目链接
元数据
分类器

项目描述

fAIr预测器

在任何地方运行您的fAIr模型预测！

先决条件

fAIr预测器支持GPU、CPU和基于tflite的设备

  • 根据您的需求安装tensorflow-cpu或tflite-runtime

tflite-runtime支持轻量级部署以运行推理，而tensorflow-cpu可能需要安装efficientnet

在Collab上的示例

# Install 
!pip install fairpredictor

# Import 
from predictor import predict

# Parameters for your predictions 
bbox=[100.56228021333352,13.685230854641182,100.56383321235313,13.685961853747969]
model_path='checkpoint.h5'
zoom_level=20
tms_url='https://tiles.openaerialmap.org/6501a65c0906de000167e64d/0/6501a65c0906de000167e64e/{z}/{x}/{y}'

# Run your prediction 
my_predictions=predict(bbox,model_path,zoom_level,tms_url)
print(my_predictions)

## Visualize your predictions 

import geopandas as gpd
import matplotlib.pyplot as plt
gdf = gpd.GeoDataFrame.from_features(my_predictions)
gdf.plot()
plt.show()

在CPU上工作！可以在无服务器函数上运行，运行预测无需其他依赖项

使用raster2polygon

还有一个后处理选项支持多边形之间的距离阈值以合并它们，如果这对您有用，可以通过以下方式安装raster2polygon：

pip install raster2polygon

负载测试

注意：在进行负载测试之前，请始终获取服务器管理员的许可

为了执行负载测试，我们使用Locust，在根目录中执行以下命令以启用此功能

  • 安装Locust

    pip install locust

  • 运行Locust脚本

    locust -f locust.py

填写您的HOST，并将其替换为预测器URL的基本URL

项目详情

验证详情

这些详情已由PyPI验证
维护者
来自gravatar.com的kshitijrajsharma的头像 kshitijrajsharma

未验证详情

这些详情尚未由PyPI验证
项目链接
元数据
分类器

发布历史 发布通知 | RSS源

此版本

0.0.35

0.0.34

0.0.33

0.0.32

0.0.31

0.0.30

0.0.29

0.0.28

0.0.27

0.0.26

0.0.25

0.0.24

0.0.23

0.0.22

0.0.21

0.0.20

0.0.19

0.0.18

0.0.17

0.0.16

0.0.15

0.0.14

0.0.13

0.0.12

0.0.11

0.0.10

0.0.9

0.0.8

0.0.7

0.0.6

0.0.5

0.0.4

0.0.3

0.0.2

0.0.1

下载文件

下载适用于您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。

源代码分发

fairpredictor-0.0.35.tar.gz (10.9 kB 查看哈希值)

上传时间： 源代码

构建分发

fairpredictor-0.0.35-py3-none-any.whl (12.9 kB 查看哈希值)

上传时间： Python 3

由