访问官网
Github
文档
论文
mcfly的目标是简化深度学习技术在时间序列分类和回归中的应用。深度学习的优势在于它可以直接处理原始数据，无需计算信号特征。深度学习不需要关于数据的专业领域知识，并且已被证明能够与传统机器学习技术相媲美。例如，您可以将mcfly应用于加速度计数据进行活动分类，如教程所示。
如果您在研究中使用mcfly，请引用以下软件论文：
D. van Kuppevelt, C. Meijer, F. Huber, A. van der Ploeg, S. Georgievska, V.T. van Hees. Mcfly: 时间序列上的自动化深度学习。 SoftwareX, 第12卷, 2020年。 doi: 10.1016/j.softx.2020.100548
安装
前提条件：
- Python 3.10, 3.11
- pip
- Tensorflow 2
在单独的conda环境中安装所有依赖项：
conda env create -f environment.yml
# 激活这个新环境
source activate mcfly
要安装该包，请在项目目录中运行：
pip install mcfly
可视化
我们构建了一个工具来可视化模型的配置和性能。该工具可在 http://nlesc.github.io/mcfly/ 找到。要在您自己的计算机上运行模型可视化，请切换到html目录并启动一个Python Web服务器：
python -m http.server 8888 &
在浏览器中导航到http://localhost:8888/以打开可视化界面。有关可视化的更详细描述，请参阅用户手册。
用户文档
贡献
欢迎您通过拉取请求为代码做出贡献。请查看NLeSC指南以了解有关软件开发的指导原则。
我们使用numpy风格的文档字符串进行代码文档编写。
许可
mcfly的源代码和数据均采用Apache License 2.0版本授权。
