diff options
Diffstat (limited to 'python-classicml.spec')
| -rw-r--r-- | python-classicml.spec | 272 |
1 files changed, 272 insertions, 0 deletions
diff --git a/python-classicml.spec b/python-classicml.spec new file mode 100644 index 0000000..2147b2f --- /dev/null +++ b/python-classicml.spec @@ -0,0 +1,272 @@ +%global _empty_manifest_terminate_build 0 +Name: python-classicML +Version: 0.9 +Release: 1 +Summary: An easy-to-use ML framework +License: Apache Software License +URL: https://github.com/sun1638650145/classicML +Source0: https://mirrors.nju.edu.cn/pypi/web/packages/6d/09/80490d42a70e6ad553599669e96c01cb61961147b3872ae36b201e8d8786/classicML-0.9.tar.gz + +Requires: python3-h5py +Requires: python3-matplotlib +Requires: python3-numpy +Requires: python3-packaging +Requires: python3-pandas +Requires: python3-psutil + +%description +# classicML: 简单易用的经典机器学习框架 + +    [](https://classicml.readthedocs.io/zh_CN/latest/?badge=latest) [](https://pypi.org/project/classicML/) [](https://pypi.org/project/classicML/) + +classicML 是一个用 Python 和 C++ 混编的机器学习项目，您既可以使用纯 Python 版本进行学习，也可以使用CC标准版进行实验和探索自定义功能。它既实现了Python的简单易用快速上手，又实现了C++的高效性能。classicML的设计目标是简单易用，快速入门，高扩展性和编程风格简洁。更多信息请访问[文档网站](https://classicml.readthedocs.io/)。 + +## 多后端支持 + +classicML 本身是一个Python项目，但是机器学习中涉及到的复杂的矩阵运算对于Python有点儿捉襟见肘，因此我们提供了使用C++后端的加速版本。为了保证兼容性，classicML默认使用Python后端，现在全部算法支持了使用C++作为后端进行加速，如果您需要使用标准版的classicML，只需在开头使用这条语句切换后端。 + +```python +import os +os.environ['CLASSICML_ENGINE'] = 'CC' +``` + +## 精度控制 + +目前，classicML 正在对全部算法支持32位和64位切换精度，使用32位的精度可以获得更快的运行速度和更小固化模型。 + +```python +import os +os.environ['CLASSICML_PRECISION'] = '32-bit' +``` + +## 第一个机器学习程序 + +使用线性判别分析进行二分类 + +* 下载示例数据集 + +```shell +wget https://github.com/sun1638650145/classicML/blob/master/datasets/西瓜数据集alpha.csv +``` + +* 运行下面的代码 + +```python +import classicML as cml + +DATASET_PATH = '/path/to/西瓜数据集alpha.csv' + +# 读取数据 +ds = cml.data.Dataset() +ds.from_csv(DATASET_PATH) +# 生成模型 +model = cml.models.LDA() +# 训练模型 +model.fit(ds.x, ds.y) +# 可视化模型 +cml.plots.plot_lda(model, ds.x, ds.y, '密度', '含糖率') +``` + +* [更多示例代码点击](https://github.com/sun1638650145/classicML/tree/master/examples) + +## 感谢[Jetbrains Open Source](https://www.jetbrains.com/community/opensource/#support)对项目的支持 + +<img src="https://resources.jetbrains.com/storage/products/company/brand/logos/CLion.svg" width="150"/><img src="https://resources.jetbrains.com/storage/products/company/brand/logos/CLion_icon.svg" width="80"/> <img src="https://resources.jetbrains.com/storage/products/company/brand/logos/PyCharm.svg" width="210"/><img src="https://resources.jetbrains.com/storage/products/company/brand/logos/PyCharm_icon.svg" width="80"/> + +## v0.9 预览 + +* 这个版本将增加`cml.models.cluster`模块, 并添加几种聚类算法 +* 将在`v1.0`之前添加100%的类型注释 + + + + +%package -n python3-classicML +Summary: An easy-to-use ML framework +Provides: python-classicML +BuildRequires: python3-devel +BuildRequires: python3-setuptools +BuildRequires: python3-pip +BuildRequires: python3-cffi +BuildRequires: gcc +BuildRequires: gdb +%description -n python3-classicML +# classicML: 简单易用的经典机器学习框架 + +    [](https://classicml.readthedocs.io/zh_CN/latest/?badge=latest) [](https://pypi.org/project/classicML/) [](https://pypi.org/project/classicML/) + +classicML 是一个用 Python 和 C++ 混编的机器学习项目，您既可以使用纯 Python 版本进行学习，也可以使用CC标准版进行实验和探索自定义功能。它既实现了Python的简单易用快速上手，又实现了C++的高效性能。classicML的设计目标是简单易用，快速入门，高扩展性和编程风格简洁。更多信息请访问[文档网站](https://classicml.readthedocs.io/)。 + +## 多后端支持 + +classicML 本身是一个Python项目，但是机器学习中涉及到的复杂的矩阵运算对于Python有点儿捉襟见肘，因此我们提供了使用C++后端的加速版本。为了保证兼容性，classicML默认使用Python后端，现在全部算法支持了使用C++作为后端进行加速，如果您需要使用标准版的classicML，只需在开头使用这条语句切换后端。 + +```python +import os +os.environ['CLASSICML_ENGINE'] = 'CC' +``` + +## 精度控制 + +目前，classicML 正在对全部算法支持32位和64位切换精度，使用32位的精度可以获得更快的运行速度和更小固化模型。 + +```python +import os +os.environ['CLASSICML_PRECISION'] = '32-bit' +``` + +## 第一个机器学习程序 + +使用线性判别分析进行二分类 + +* 下载示例数据集 + +```shell +wget https://github.com/sun1638650145/classicML/blob/master/datasets/西瓜数据集alpha.csv +``` + +* 运行下面的代码 + +```python +import classicML as cml + +DATASET_PATH = '/path/to/西瓜数据集alpha.csv' + +# 读取数据 +ds = cml.data.Dataset() +ds.from_csv(DATASET_PATH) +# 生成模型 +model = cml.models.LDA() +# 训练模型 +model.fit(ds.x, ds.y) +# 可视化模型 +cml.plots.plot_lda(model, ds.x, ds.y, '密度', '含糖率') +``` + +* [更多示例代码点击](https://github.com/sun1638650145/classicML/tree/master/examples) + +## 感谢[Jetbrains Open Source](https://www.jetbrains.com/community/opensource/#support)对项目的支持 + +<img src="https://resources.jetbrains.com/storage/products/company/brand/logos/CLion.svg" width="150"/><img src="https://resources.jetbrains.com/storage/products/company/brand/logos/CLion_icon.svg" width="80"/> <img src="https://resources.jetbrains.com/storage/products/company/brand/logos/PyCharm.svg" width="210"/><img src="https://resources.jetbrains.com/storage/products/company/brand/logos/PyCharm_icon.svg" width="80"/> + +## v0.9 预览 + +* 这个版本将增加`cml.models.cluster`模块, 并添加几种聚类算法 +* 将在`v1.0`之前添加100%的类型注释 + + + + +%package help +Summary: Development documents and examples for classicML +Provides: python3-classicML-doc +%description help +# classicML: 简单易用的经典机器学习框架 + +    [](https://classicml.readthedocs.io/zh_CN/latest/?badge=latest) [](https://pypi.org/project/classicML/) [](https://pypi.org/project/classicML/) + +classicML 是一个用 Python 和 C++ 混编的机器学习项目，您既可以使用纯 Python 版本进行学习，也可以使用CC标准版进行实验和探索自定义功能。它既实现了Python的简单易用快速上手，又实现了C++的高效性能。classicML的设计目标是简单易用，快速入门，高扩展性和编程风格简洁。更多信息请访问[文档网站](https://classicml.readthedocs.io/)。 + +## 多后端支持 + +classicML 本身是一个Python项目，但是机器学习中涉及到的复杂的矩阵运算对于Python有点儿捉襟见肘，因此我们提供了使用C++后端的加速版本。为了保证兼容性，classicML默认使用Python后端，现在全部算法支持了使用C++作为后端进行加速，如果您需要使用标准版的classicML，只需在开头使用这条语句切换后端。 + +```python +import os +os.environ['CLASSICML_ENGINE'] = 'CC' +``` + +## 精度控制 + +目前，classicML 正在对全部算法支持32位和64位切换精度，使用32位的精度可以获得更快的运行速度和更小固化模型。 + +```python +import os +os.environ['CLASSICML_PRECISION'] = '32-bit' +``` + +## 第一个机器学习程序 + +使用线性判别分析进行二分类 + +* 下载示例数据集 + +```shell +wget https://github.com/sun1638650145/classicML/blob/master/datasets/西瓜数据集alpha.csv +``` + +* 运行下面的代码 + +```python +import classicML as cml + +DATASET_PATH = '/path/to/西瓜数据集alpha.csv' + +# 读取数据 +ds = cml.data.Dataset() +ds.from_csv(DATASET_PATH) +# 生成模型 +model = cml.models.LDA() +# 训练模型 +model.fit(ds.x, ds.y) +# 可视化模型 +cml.plots.plot_lda(model, ds.x, ds.y, '密度', '含糖率') +``` + +* [更多示例代码点击](https://github.com/sun1638650145/classicML/tree/master/examples) + +## 感谢[Jetbrains Open Source](https://www.jetbrains.com/community/opensource/#support)对项目的支持 + +<img src="https://resources.jetbrains.com/storage/products/company/brand/logos/CLion.svg" width="150"/><img src="https://resources.jetbrains.com/storage/products/company/brand/logos/CLion_icon.svg" width="80"/> <img src="https://resources.jetbrains.com/storage/products/company/brand/logos/PyCharm.svg" width="210"/><img src="https://resources.jetbrains.com/storage/products/company/brand/logos/PyCharm_icon.svg" width="80"/> + +## v0.9 预览 + +* 这个版本将增加`cml.models.cluster`模块, 并添加几种聚类算法 +* 将在`v1.0`之前添加100%的类型注释 + + + + +%prep +%autosetup -n classicML-0.9 + +%build +%py3_build + +%install +%py3_install +install -d -m755 %{buildroot}/%{_pkgdocdir} +if [ -d doc ]; then cp -arf doc %{buildroot}/%{_pkgdocdir}; fi +if [ -d docs ]; then cp -arf docs %{buildroot}/%{_pkgdocdir}; fi +if [ -d example ]; then cp -arf example %{buildroot}/%{_pkgdocdir}; fi +if [ -d examples ]; then cp -arf examples %{buildroot}/%{_pkgdocdir}; fi +pushd %{buildroot} +if [ -d usr/lib ]; then + find usr/lib -type f -printf "/%h/%f\n" >> filelist.lst +fi +if [ -d usr/lib64 ]; then + find usr/lib64 -type f -printf "/%h/%f\n" >> filelist.lst +fi +if [ -d usr/bin ]; then + find usr/bin -type f -printf "/%h/%f\n" >> filelist.lst +fi +if [ -d usr/sbin ]; then + find usr/sbin -type f -printf "/%h/%f\n" >> filelist.lst +fi +touch doclist.lst +if [ -d usr/share/man ]; then + find usr/share/man -type f -printf "/%h/%f.gz\n" >> doclist.lst +fi +popd +mv %{buildroot}/filelist.lst . +mv %{buildroot}/doclist.lst . + +%files -n python3-classicML -f filelist.lst +%dir %{python3_sitearch}/* + +%files help -f doclist.lst +%{_docdir}/* + +%changelog +* Fri May 05 2023 Python_Bot <Python_Bot@openeuler.org> - 0.9-1 +- Package Spec generated |