suod.models包 #
子程序包 #
子模块 #
suod.models.base模块 #
suod.models.cost_predictor模块 #
suod.models.jl投影模块 #
-
suod.models.jl投影。 jl fit转换 ( X（X） , 目标_dim , 方法 = “基本” ) [来源] # 通过Johnson–Lindenstrauss过程拟合和转换输入数据。 请参见 [ 北京L84 ] 了解详细信息。 参数 # X（X） numpy形状数组（n个样本，n个特征） 输入样本。 目标_修改 整数 预期的输出维度。 方法 字符串，可选（默认值=“基本”） JL投影法： “基本”：转换矩阵的每个分量取为 N（0,1）中的随机值。 “离散”，变换矩阵的每个分量取为 {-1,1}中的随机。 “循环”：转换矩阵的第一行取自 N（0,1）中的随机数，每行从前一行中获得 左移一次。 toeplitz：变换矩阵的第一行和第一列 以N（0,1）为单位随机选取，并且每个对角线都有一个常量值 从第一个向量中提取。
退换商品 # X_转换 numpy形状数组（n_samples，objective_dim） JL投影后的数据集。 jl变压器 对象 变压器实例。
suod.models.parallel_process模块 #
-
suod.models.parallel_process。 平衡调度 ( 时间成本红色 , n估计量 , n个作业 , 冗长的 = False（错误） ) [来源] # 根据两列列车的秩和进行均衡调度 和预测。 该算法将在 工人。 参数 # 时间成本红色 列表 成本预测器的时间成本列表。 长度等于 底座探测器的数量。 n估计量 整数 基本估计数。 n个作业 可选（默认值=1） 要为这两者并行运行的作业数 适合 和 预测 。如果为-1，则作业数设置为 芯数。 冗长的 bool，可选（默认值=False） 控制生成过程的详细程度。
退换商品 # n_estimators列表 列表 每个工人的估算人数 开始 列表 待安排的底座探测器的实际指数。 例如， 启动[k，k+1]基地探测器将分配给工人k。 作业（_J）： 要并行运行的实际可用作业数。