Sionna -- 一个基于TensorFlow的开源库，用于模拟无线通信系统的物理层
项目描述
Sionna：下一代物理层研究开源库
Sionna™是一个开源的Python库，用于数字通信系统的链路级模拟，建立在开源软件库TensorFlow之上，用于机器学习。
官方文档可以在这里找到。
安装
Sionna需要Python和Tensorflow。为了在您的机器上运行教程笔记本，您还需要JupyterLab。您也可以在Google Colab上测试它们。尽管不是必需的，但我们推荐在Docker容器中运行Sionna。
Sionna需要TensorFlow 2.13-2.15和Python 3.8-3.11。我们推荐Ubuntu 22.04。TensorFlow的早期版本可能仍然可以工作，但鉴于已知的未修补CVE，我们不推荐使用。
要使用CPU运行ray tracer，DrJit需要LLVM。请检查LLVM后端安装说明。
我们参考TensorFlow GPU支持教程和所需的驱动程序设置。
使用pip安装
我们建议在虚拟环境中这样做，例如使用conda。在macOS上，您需要先安装tensorflow-macos。
1.) 安装包
pip install sionna
2.) 在Python中测试安装
python
>>> import sionna
>>> print(sionna.__version__)
0.19.0
3.) 一旦Sionna安装完成，您可以运行Sionna "Hello, World!" 示例，查看快速入门指南或教程。
示例笔记本可以使用Jupyter打开和执行。
对于本地安装，可以使用包含Python安装的JupyterLab Desktop应用程序。
基于Docker的安装
1.) 确保您的系统已安装Docker。在Ubuntu 22.04上，例如可以运行
sudo apt install docker.io
确保您的用户属于docker组（见Docker后安装）
sudo usermod -aG docker $USER
注销并重新登录以加载更新的组成员资格。
对于Linux上的GPU支持，您需要安装NVIDIA容器工具包。
2.) 构建Sionna Docker镜像。在Sionna目录中运行
make docker
3.) 运行支持GPU的Docker镜像
make run-docker gpus=all
或无GPU
make run-docker
这将立即启动一个已安装Sionna的Docker镜像，并在8888端口上运行JupyterLab。
4.) 通过在浏览器中连接到http://127.0.0.1:8888来浏览示例笔记本。
从源码安装
1.) 克隆此存储库并在其根目录下执行
make install
2.) 在Python中测试安装
>>> import sionna
>>> print(sionna.__version__)
0.19.0
许可和引用
Sionna采用Apache-2.0许可，如LICENSE文件所示。
如果您使用此软件，请引用它如下
@article{sionna,
title = {Sionna: An Open-Source Library for Next-Generation Physical Layer Research},
author = {Hoydis, Jakob and Cammerer, Sebastian and {Ait Aoudia}, Fayçal and Vem, Avinash and Binder, Nikolaus and Marcus, Guillermo and Keller, Alexander},
year = {2022},
month = {Mar.},
journal = {arXiv preprint},
online = {https://arxiv.org/abs/2203.11854}
}
下载文件
下载适合您平台的文件。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
构建分发
sionna-0.19.0-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 684cd64ad18da728a7b52cd7d0c780c4860ca95ff9ab3e952c0f1b0faae83e65 |
|
| MD5 | 8c28c84b04331c97f0ef4a1b70f86063 |
|
| BLAKE2b-256 | ced59bfe6454e20f57ad4357f5b78352fb76340a4d43c64dd64473b791c1ccc7 |