资源来自pypi官网。 资源全名：Accern-0.1.6-py2.py3-none-any.whl

资源来自pypi官网。资源全名：ACord-0.0.1a1-py3-none-any.whl

资源全名：adme_predict-0.9-py2-none-any.whl

资源来自PyPI官网。资源全名：0lever_utils-0.1.5-py3-none-any.whl

garbevents 本项目由 赞助相关开发工具 埋点适配计划 诸葛 IO 神策数据 GrowingIO 埋点数据 Argo 易观方舟 友盟 C4J Mixpanel GA Ptmind Ptengine 国双 WebDissector 谷歌分析 Google Analytics Logo 安装 pip install garbevents 仓库地址： github： pypi：https://pypi.org/project/garbevents/#history 社区地址 testerhome：https://testerhome.com/opensource_projects/garbevents 适用场景 使用 以上厂商 作为埋点收集工具的 。 需要回归验证大批量埋点是否丢失的。 使用本工具 自动抓取解析埋点信息数据校验埋点是否 丢失。 功能 自动解析 移动

社区发现 使用属性和结构相似性进行社区检测。 安装： pip install community_detect 依存关系： NetworkX Matplotlib 用法： Import: from community_detect import Community 初始化： com = Community(alpha_weight = 0.5) #You can add your own value for Alpha 职能： Main method: get_communities(Graph, #Your Graph Vertices, #List of Vertices Similarity Matrix, #Similarity

TSPLIB 95 TSPLIB 95是用于处理TSPLIB 95文件的库。 免费软件：Apache Software License 2.0 文档： : 。 特征 读写TSPLIB95文件格式像一个老板 轻松地将问题转换为networkx.Graph实例 支持原始标准中的所有字段 允许完全自定义的字段和问题声明 它还有一个CLI程序，可以打印一个或多个TSPLIB95文件的表格摘要...不知道为什么有人会想要它，但是尽管如此，您仍然可以找到它。 学分 有关原始详细信息，请参阅 ，包括文件格式规范，C ++代码和示例问题。 该程序包是使用和项目模板创建的。

PiP2Bitbake 该Python脚本允许在最终的Yocto Project Linux映像中预安装任何Python pip （ PyPI ）（ Python软件包索引）-软件包。 为了使之成为可能，将生成带有所有必要信息（版本号，校验和..）的Bitbake文件，以允许Bitbake将所选的pip程序包包括到生成的Yocto-Project Linux发行版的rootfs中。 我开发了此Python脚本，以为英特尔SoC-FPGA创建嵌入式Linux。 特征 Python脚本自动为Yocto Project创建Bitbake配方文件，以预安装任何Python pip软件包 几乎每个Python pip包都可以实现到自定义Linux发行版中当然，仅需要将该软件包作为跨平台版本提供即可 输出“ .bb” -Bitbake配方文件，该文件可以轻松包含到任何Yocto Project元

网格文件的I / O。 有多种网格格式可用于表示非结构化网格。 meshio可以读取和写入以下所有内容，并在它们之间进行平滑转换： （ .inp ），ANSYS msh（ .msh ）， （ .avs ）， （ .cgns ）， DOLFIN XML （ .xml ）， Exodus （ .e ， .exo ）， FLAC3D （ .f3grid ）， H5M （ .h5m ）， Kratos / MDPA （ .mdpa ）， Medit （ .mesh ， .meshb ）， MED / Salome （ .med ）， Nastran （批量数据， .bdf ， .fem ， .nas ）， Neuroglancer预计算格式， Gmsh （格式版本2.2，4.0和4.1， .msh ）， OBJ （ .obj ）， OFF （ .off ）， PERMAS （ .post

FastWER 用于快速字/字符错误率 (WER/CER) 计算的 PyPI 包 快速（cpp 实现） 句子级和语料库级 WER/CER 分数 安装 pip install pybind11 fastwer 例子 import fastwer hypo = [ 'This is an example .' , 'This is another example .' ] ref = [ 'This is the example :)' , 'That is the example .' ] # Corpus-Level WER: 40.0 fastwer . score ( hypo , ref ) # Corpus-Level CER: 25.5814 fastwer . score ( hypo , ref , char_level = True ) # Sentence-Leve