body_hash
stringlengths 64
64
| body
stringlengths 23
109k
| docstring
stringlengths 1
57k
| path
stringlengths 4
198
| name
stringlengths 1
115
| repository_name
stringlengths 7
111
| repository_stars
float64 0
191k
| lang
stringclasses 1
value | body_without_docstring
stringlengths 14
108k
| unified
stringlengths 45
133k
|
|---|---|---|---|---|---|---|---|---|---|
e2364269e351b3b02e99961368dfdd5c5e3da0e94aaa105e2deca1ce86e9c664 | def __validate_node(self, node: Node) -> None:
'\n Raises:\n NodeNotFound\n NicNotFound\n '
if (not node.name):
raise NodeNotFound('Node must have a name')
if (not node.nics):
raise NicNotFound(('Node [%s] has no associated nics' % node.name)) | Raises:
NodeNotFound
NicNotFound | src/installer/src/tortuga/os/rhel/osSupport.py | __validate_node | sutasu/tortuga | 33 | python | def __validate_node(self, node: Node) -> None:
'\n Raises:\n NodeNotFound\n NicNotFound\n '
if (not node.name):
raise NodeNotFound('Node must have a name')
if (not node.nics):
raise NicNotFound(('Node [%s] has no associated nics' % node.name)) | def __validate_node(self, node: Node) -> None:
'\n Raises:\n NodeNotFound\n NicNotFound\n '
if (not node.name):
raise NodeNotFound('Node must have a name')
if (not node.nics):
raise NicNotFound(('Node [%s] has no associated nics' % node.name))<|docstring|>Raises:
NodeNotFound
NicNotFound<|endoftext|> |
979f11fd8989e86d2e7c6e5729d68d2d5789a688e78bba2292a2031848b070c1 | def __get_template_subst_dict(self, session: Session, node: Node, hardwareprofile: HardwareProfile, softwareprofile: SoftwareProfile) -> Dict[(str, Any)]:
'\n :param node: Object\n :param hardwareprofile: Object\n :param softwareprofile: Object\n :return: Dictionary\n '
hardwareprofile = (hardwareprofile if hardwareprofile else node.hardwareprofile)
softwareprofile = (softwareprofile if softwareprofile else node.softwareprofile)
installer_public_fqdn: str = getfqdn()
installer_hostname: str = installer_public_fqdn.split('.')[0]
installer_private_ip: str = hardwareprofile.nics[0].ip
try:
private_domain: Optional[str] = self._globalParameterDbApi.getParameter(session, 'DNSZone').getValue()
except ParameterNotFound:
private_domain: Optional[str] = None
installer_private_fqdn: str = ('%s%s%s' % (installer_hostname, get_installer_hostname_suffix(hardwareprofile.nics[0], enable_interface_aliases=None), (('.%s' % private_domain) if private_domain else '')))
values: List[str] = node.name.split('.', 1)
domain: str = (values[1].lower() if (len(values) == 2) else '')
return {'fqdn': node.name, 'domain': domain, 'hostname': installer_hostname, 'installer_private_fqdn': installer_private_fqdn, 'installer_private_domain': private_domain, 'installer_private_ip': installer_private_ip, 'puppet_master_fqdn': installer_public_fqdn, 'installer_public_fqdn': installer_public_fqdn, 'ntpserver': installer_private_ip, 'os': softwareprofile.os.name, 'osfamily': softwareprofile.os.family.name, 'osfamilyvers': int(softwareprofile.os.family.version), 'primaryinstaller': installer_private_fqdn, 'puppetserver': installer_public_fqdn, 'installerip': installer_private_ip, 'url': ('%s/%s/%s/%s' % (self._cm.getYumRootUrl(installer_private_fqdn), softwareprofile.os.name, softwareprofile.os.version, softwareprofile.os.arch)), 'lang': 'en_US.UTF-8', 'keyboard': 'us', 'networkcfg': self.__kickstart_get_network_section(node, hardwareprofile), 'rootpw': self._generatePassword(), 'timezone': self.__kickstart_get_timezone(session), 'includes': '%include /tmp/partinfo', 'repos': '\n'.join(self.__kickstart_get_repos(session, softwareprofile, installer_private_fqdn)), 'packages': '\n'.join([]), 'prescript': self.__kickstart_get_partition_section(softwareprofile), 'installer_url': self._cm.getInstallerUrl(installer_private_fqdn), 'cfmstring': self._cm.getCfmPassword()} | :param node: Object
:param hardwareprofile: Object
:param softwareprofile: Object
:return: Dictionary | src/installer/src/tortuga/os/rhel/osSupport.py | __get_template_subst_dict | sutasu/tortuga | 33 | python | def __get_template_subst_dict(self, session: Session, node: Node, hardwareprofile: HardwareProfile, softwareprofile: SoftwareProfile) -> Dict[(str, Any)]:
'\n :param node: Object\n :param hardwareprofile: Object\n :param softwareprofile: Object\n :return: Dictionary\n '
hardwareprofile = (hardwareprofile if hardwareprofile else node.hardwareprofile)
softwareprofile = (softwareprofile if softwareprofile else node.softwareprofile)
installer_public_fqdn: str = getfqdn()
installer_hostname: str = installer_public_fqdn.split('.')[0]
installer_private_ip: str = hardwareprofile.nics[0].ip
try:
private_domain: Optional[str] = self._globalParameterDbApi.getParameter(session, 'DNSZone').getValue()
except ParameterNotFound:
private_domain: Optional[str] = None
installer_private_fqdn: str = ('%s%s%s' % (installer_hostname, get_installer_hostname_suffix(hardwareprofile.nics[0], enable_interface_aliases=None), (('.%s' % private_domain) if private_domain else )))
values: List[str] = node.name.split('.', 1)
domain: str = (values[1].lower() if (len(values) == 2) else )
return {'fqdn': node.name, 'domain': domain, 'hostname': installer_hostname, 'installer_private_fqdn': installer_private_fqdn, 'installer_private_domain': private_domain, 'installer_private_ip': installer_private_ip, 'puppet_master_fqdn': installer_public_fqdn, 'installer_public_fqdn': installer_public_fqdn, 'ntpserver': installer_private_ip, 'os': softwareprofile.os.name, 'osfamily': softwareprofile.os.family.name, 'osfamilyvers': int(softwareprofile.os.family.version), 'primaryinstaller': installer_private_fqdn, 'puppetserver': installer_public_fqdn, 'installerip': installer_private_ip, 'url': ('%s/%s/%s/%s' % (self._cm.getYumRootUrl(installer_private_fqdn), softwareprofile.os.name, softwareprofile.os.version, softwareprofile.os.arch)), 'lang': 'en_US.UTF-8', 'keyboard': 'us', 'networkcfg': self.__kickstart_get_network_section(node, hardwareprofile), 'rootpw': self._generatePassword(), 'timezone': self.__kickstart_get_timezone(session), 'includes': '%include /tmp/partinfo', 'repos': '\n'.join(self.__kickstart_get_repos(session, softwareprofile, installer_private_fqdn)), 'packages': '\n'.join([]), 'prescript': self.__kickstart_get_partition_section(softwareprofile), 'installer_url': self._cm.getInstallerUrl(installer_private_fqdn), 'cfmstring': self._cm.getCfmPassword()} | def __get_template_subst_dict(self, session: Session, node: Node, hardwareprofile: HardwareProfile, softwareprofile: SoftwareProfile) -> Dict[(str, Any)]:
'\n :param node: Object\n :param hardwareprofile: Object\n :param softwareprofile: Object\n :return: Dictionary\n '
hardwareprofile = (hardwareprofile if hardwareprofile else node.hardwareprofile)
softwareprofile = (softwareprofile if softwareprofile else node.softwareprofile)
installer_public_fqdn: str = getfqdn()
installer_hostname: str = installer_public_fqdn.split('.')[0]
installer_private_ip: str = hardwareprofile.nics[0].ip
try:
private_domain: Optional[str] = self._globalParameterDbApi.getParameter(session, 'DNSZone').getValue()
except ParameterNotFound:
private_domain: Optional[str] = None
installer_private_fqdn: str = ('%s%s%s' % (installer_hostname, get_installer_hostname_suffix(hardwareprofile.nics[0], enable_interface_aliases=None), (('.%s' % private_domain) if private_domain else )))
values: List[str] = node.name.split('.', 1)
domain: str = (values[1].lower() if (len(values) == 2) else )
return {'fqdn': node.name, 'domain': domain, 'hostname': installer_hostname, 'installer_private_fqdn': installer_private_fqdn, 'installer_private_domain': private_domain, 'installer_private_ip': installer_private_ip, 'puppet_master_fqdn': installer_public_fqdn, 'installer_public_fqdn': installer_public_fqdn, 'ntpserver': installer_private_ip, 'os': softwareprofile.os.name, 'osfamily': softwareprofile.os.family.name, 'osfamilyvers': int(softwareprofile.os.family.version), 'primaryinstaller': installer_private_fqdn, 'puppetserver': installer_public_fqdn, 'installerip': installer_private_ip, 'url': ('%s/%s/%s/%s' % (self._cm.getYumRootUrl(installer_private_fqdn), softwareprofile.os.name, softwareprofile.os.version, softwareprofile.os.arch)), 'lang': 'en_US.UTF-8', 'keyboard': 'us', 'networkcfg': self.__kickstart_get_network_section(node, hardwareprofile), 'rootpw': self._generatePassword(), 'timezone': self.__kickstart_get_timezone(session), 'includes': '%include /tmp/partinfo', 'repos': '\n'.join(self.__kickstart_get_repos(session, softwareprofile, installer_private_fqdn)), 'packages': '\n'.join([]), 'prescript': self.__kickstart_get_partition_section(softwareprofile), 'installer_url': self._cm.getInstallerUrl(installer_private_fqdn), 'cfmstring': self._cm.getCfmPassword()}<|docstring|>:param node: Object
:param hardwareprofile: Object
:param softwareprofile: Object
:return: Dictionary<|endoftext|> |
73b7b4d95a73ea3f9ff5a1609fa66974ef04cb7d1501205e612bb54578df3205 | def __init__(self, device=None, batch_size=12, display=False, detection_threshold=0.7, detector_type='yolo', yolo_img_size=608, output_format='list'):
"\n Multi Person Tracker\n\n :param device (str, 'cuda' or 'cpu'): torch device for model and inputs\n :param batch_size (int): batch size for detection model\n :param display (bool): display the results of multi person tracking\n :param detection_threshold (float): threshold to filter detector predictions\n :param detector_type (str, 'maskrcnn' or 'yolo'): detector architecture\n :param yolo_img_size (int): yolo detector input image size\n :param output_format (str, 'dict' or 'list'): result output format\n "
if (device is not None):
self.device = device
else:
self.device = ('cuda' if torch.cuda.is_available() else 'cpu')
self.batch_size = batch_size
self.display = display
self.detection_threshold = detection_threshold
self.output_format = output_format
if (detector_type == 'maskrcnn'):
self.detector = keypointrcnn_resnet50_fpn(pretrained=True).to(self.device).eval()
elif (detector_type == 'yolo'):
self.detector = YOLOv3(device=self.device, img_size=yolo_img_size, person_detector=True, video=True, return_dict=True)
else:
raise ModuleNotFoundError
self.tracker = Sort() | Multi Person Tracker
:param device (str, 'cuda' or 'cpu'): torch device for model and inputs
:param batch_size (int): batch size for detection model
:param display (bool): display the results of multi person tracking
:param detection_threshold (float): threshold to filter detector predictions
:param detector_type (str, 'maskrcnn' or 'yolo'): detector architecture
:param yolo_img_size (int): yolo detector input image size
:param output_format (str, 'dict' or 'list'): result output format | multi_person_tracker/mpt.py | __init__ | mkocabas/multi-person-tracker | 121 | python | def __init__(self, device=None, batch_size=12, display=False, detection_threshold=0.7, detector_type='yolo', yolo_img_size=608, output_format='list'):
"\n Multi Person Tracker\n\n :param device (str, 'cuda' or 'cpu'): torch device for model and inputs\n :param batch_size (int): batch size for detection model\n :param display (bool): display the results of multi person tracking\n :param detection_threshold (float): threshold to filter detector predictions\n :param detector_type (str, 'maskrcnn' or 'yolo'): detector architecture\n :param yolo_img_size (int): yolo detector input image size\n :param output_format (str, 'dict' or 'list'): result output format\n "
if (device is not None):
self.device = device
else:
self.device = ('cuda' if torch.cuda.is_available() else 'cpu')
self.batch_size = batch_size
self.display = display
self.detection_threshold = detection_threshold
self.output_format = output_format
if (detector_type == 'maskrcnn'):
self.detector = keypointrcnn_resnet50_fpn(pretrained=True).to(self.device).eval()
elif (detector_type == 'yolo'):
self.detector = YOLOv3(device=self.device, img_size=yolo_img_size, person_detector=True, video=True, return_dict=True)
else:
raise ModuleNotFoundError
self.tracker = Sort() | def __init__(self, device=None, batch_size=12, display=False, detection_threshold=0.7, detector_type='yolo', yolo_img_size=608, output_format='list'):
"\n Multi Person Tracker\n\n :param device (str, 'cuda' or 'cpu'): torch device for model and inputs\n :param batch_size (int): batch size for detection model\n :param display (bool): display the results of multi person tracking\n :param detection_threshold (float): threshold to filter detector predictions\n :param detector_type (str, 'maskrcnn' or 'yolo'): detector architecture\n :param yolo_img_size (int): yolo detector input image size\n :param output_format (str, 'dict' or 'list'): result output format\n "
if (device is not None):
self.device = device
else:
self.device = ('cuda' if torch.cuda.is_available() else 'cpu')
self.batch_size = batch_size
self.display = display
self.detection_threshold = detection_threshold
self.output_format = output_format
if (detector_type == 'maskrcnn'):
self.detector = keypointrcnn_resnet50_fpn(pretrained=True).to(self.device).eval()
elif (detector_type == 'yolo'):
self.detector = YOLOv3(device=self.device, img_size=yolo_img_size, person_detector=True, video=True, return_dict=True)
else:
raise ModuleNotFoundError
self.tracker = Sort()<|docstring|>Multi Person Tracker
:param device (str, 'cuda' or 'cpu'): torch device for model and inputs
:param batch_size (int): batch size for detection model
:param display (bool): display the results of multi person tracking
:param detection_threshold (float): threshold to filter detector predictions
:param detector_type (str, 'maskrcnn' or 'yolo'): detector architecture
:param yolo_img_size (int): yolo detector input image size
:param output_format (str, 'dict' or 'list'): result output format<|endoftext|> |
058d5acfd4f4d0c49a66e3c627aab42a797c9df5fb1d02d2a0633c73e4e0f0a3 | @torch.no_grad()
def run_tracker(self, dataloader):
'\n Run tracker on an input video\n\n :param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos\n :return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n '
self.tracker = Sort()
start = time.time()
print('Running Multi-Person-Tracker')
trackers = []
for batch in tqdm(dataloader):
batch = batch.to(self.device)
predictions = self.detector(batch)
for pred in predictions:
bb = pred['boxes'].cpu().numpy()
sc = pred['scores'].cpu().numpy()[(..., None)]
dets = np.hstack([bb, sc])
dets = dets[(sc[(:, 0)] > self.detection_threshold)]
if (dets.shape[0] > 0):
track_bbs_ids = self.tracker.update(dets)
else:
track_bbs_ids = np.empty((0, 5))
trackers.append(track_bbs_ids)
runtime = (time.time() - start)
fps = (len(dataloader.dataset) / runtime)
print(f'Finished. Detection + Tracking FPS {fps:.2f}')
return trackers | Run tracker on an input video
:param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos
:return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id] | multi_person_tracker/mpt.py | run_tracker | mkocabas/multi-person-tracker | 121 | python | @torch.no_grad()
def run_tracker(self, dataloader):
'\n Run tracker on an input video\n\n :param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos\n :return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n '
self.tracker = Sort()
start = time.time()
print('Running Multi-Person-Tracker')
trackers = []
for batch in tqdm(dataloader):
batch = batch.to(self.device)
predictions = self.detector(batch)
for pred in predictions:
bb = pred['boxes'].cpu().numpy()
sc = pred['scores'].cpu().numpy()[(..., None)]
dets = np.hstack([bb, sc])
dets = dets[(sc[(:, 0)] > self.detection_threshold)]
if (dets.shape[0] > 0):
track_bbs_ids = self.tracker.update(dets)
else:
track_bbs_ids = np.empty((0, 5))
trackers.append(track_bbs_ids)
runtime = (time.time() - start)
fps = (len(dataloader.dataset) / runtime)
print(f'Finished. Detection + Tracking FPS {fps:.2f}')
return trackers | @torch.no_grad()
def run_tracker(self, dataloader):
'\n Run tracker on an input video\n\n :param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos\n :return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n '
self.tracker = Sort()
start = time.time()
print('Running Multi-Person-Tracker')
trackers = []
for batch in tqdm(dataloader):
batch = batch.to(self.device)
predictions = self.detector(batch)
for pred in predictions:
bb = pred['boxes'].cpu().numpy()
sc = pred['scores'].cpu().numpy()[(..., None)]
dets = np.hstack([bb, sc])
dets = dets[(sc[(:, 0)] > self.detection_threshold)]
if (dets.shape[0] > 0):
track_bbs_ids = self.tracker.update(dets)
else:
track_bbs_ids = np.empty((0, 5))
trackers.append(track_bbs_ids)
runtime = (time.time() - start)
fps = (len(dataloader.dataset) / runtime)
print(f'Finished. Detection + Tracking FPS {fps:.2f}')
return trackers<|docstring|>Run tracker on an input video
:param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos
:return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]<|endoftext|> |
cbee89461f466a04a1a782cff515a53811fb47c0f51b65dc5e6422c41dfa9783 | @torch.no_grad()
def run_detector(self, dataloader):
'\n Run tracker on an input video\n\n :param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos\n :return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n '
start = time.time()
print('Running Multi-Person-Tracker')
detections = []
for batch in tqdm(dataloader):
batch = batch.to(self.device)
predictions = self.detector(batch)
for pred in predictions:
bb = pred['boxes'].cpu().numpy()
sc = pred['scores'].cpu().numpy()[(..., None)]
dets = np.hstack([bb, sc])
dets = dets[(sc[(:, 0)] > self.detection_threshold)]
detections.append(dets)
runtime = (time.time() - start)
fps = (len(dataloader.dataset) / runtime)
print(f'Finished. Detection + Tracking FPS {fps:.2f}')
return detections | Run tracker on an input video
:param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos
:return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id] | multi_person_tracker/mpt.py | run_detector | mkocabas/multi-person-tracker | 121 | python | @torch.no_grad()
def run_detector(self, dataloader):
'\n Run tracker on an input video\n\n :param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos\n :return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n '
start = time.time()
print('Running Multi-Person-Tracker')
detections = []
for batch in tqdm(dataloader):
batch = batch.to(self.device)
predictions = self.detector(batch)
for pred in predictions:
bb = pred['boxes'].cpu().numpy()
sc = pred['scores'].cpu().numpy()[(..., None)]
dets = np.hstack([bb, sc])
dets = dets[(sc[(:, 0)] > self.detection_threshold)]
detections.append(dets)
runtime = (time.time() - start)
fps = (len(dataloader.dataset) / runtime)
print(f'Finished. Detection + Tracking FPS {fps:.2f}')
return detections | @torch.no_grad()
def run_detector(self, dataloader):
'\n Run tracker on an input video\n\n :param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos\n :return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n '
start = time.time()
print('Running Multi-Person-Tracker')
detections = []
for batch in tqdm(dataloader):
batch = batch.to(self.device)
predictions = self.detector(batch)
for pred in predictions:
bb = pred['boxes'].cpu().numpy()
sc = pred['scores'].cpu().numpy()[(..., None)]
dets = np.hstack([bb, sc])
dets = dets[(sc[(:, 0)] > self.detection_threshold)]
detections.append(dets)
runtime = (time.time() - start)
fps = (len(dataloader.dataset) / runtime)
print(f'Finished. Detection + Tracking FPS {fps:.2f}')
return detections<|docstring|>Run tracker on an input video
:param video (ndarray): input video tensor of shape NxHxWxC. Preferable use skvideo to read videos
:return: trackers (ndarray): output tracklets of shape Nx5 [x1,y1,x2,y2,track_id]<|endoftext|> |
b271407c92fc59ad979c35cc11a37cea6bb636144137e94a143467cbf3005194 | def prepare_output_tracks(self, trackers):
'\n Put results into a dictionary consists of detected people\n :param trackers (ndarray): input tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n :return: dict: of people. each key represent single person with detected bboxes and frame_ids\n '
people = dict()
for (frame_idx, tracks) in enumerate(trackers):
for d in tracks:
person_id = int(d[4])
(w, h) = ((d[2] - d[0]), (d[3] - d[1]))
(c_x, c_y) = ((d[0] + (w / 2)), (d[1] + (h / 2)))
w = h = np.where(((w / h) > 1), w, h)
bbox = np.array([c_x, c_y, w, h])
if (person_id in people.keys()):
people[person_id]['bbox'].append(bbox)
people[person_id]['frames'].append(frame_idx)
else:
people[person_id] = {'bbox': [], 'frames': []}
people[person_id]['bbox'].append(bbox)
people[person_id]['frames'].append(frame_idx)
for k in people.keys():
people[k]['bbox'] = np.array(people[k]['bbox']).reshape((len(people[k]['bbox']), 4))
people[k]['frames'] = np.array(people[k]['frames'])
return people | Put results into a dictionary consists of detected people
:param trackers (ndarray): input tracklets of shape Nx5 [x1,y1,x2,y2,track_id]
:return: dict: of people. each key represent single person with detected bboxes and frame_ids | multi_person_tracker/mpt.py | prepare_output_tracks | mkocabas/multi-person-tracker | 121 | python | def prepare_output_tracks(self, trackers):
'\n Put results into a dictionary consists of detected people\n :param trackers (ndarray): input tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n :return: dict: of people. each key represent single person with detected bboxes and frame_ids\n '
people = dict()
for (frame_idx, tracks) in enumerate(trackers):
for d in tracks:
person_id = int(d[4])
(w, h) = ((d[2] - d[0]), (d[3] - d[1]))
(c_x, c_y) = ((d[0] + (w / 2)), (d[1] + (h / 2)))
w = h = np.where(((w / h) > 1), w, h)
bbox = np.array([c_x, c_y, w, h])
if (person_id in people.keys()):
people[person_id]['bbox'].append(bbox)
people[person_id]['frames'].append(frame_idx)
else:
people[person_id] = {'bbox': [], 'frames': []}
people[person_id]['bbox'].append(bbox)
people[person_id]['frames'].append(frame_idx)
for k in people.keys():
people[k]['bbox'] = np.array(people[k]['bbox']).reshape((len(people[k]['bbox']), 4))
people[k]['frames'] = np.array(people[k]['frames'])
return people | def prepare_output_tracks(self, trackers):
'\n Put results into a dictionary consists of detected people\n :param trackers (ndarray): input tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n :return: dict: of people. each key represent single person with detected bboxes and frame_ids\n '
people = dict()
for (frame_idx, tracks) in enumerate(trackers):
for d in tracks:
person_id = int(d[4])
(w, h) = ((d[2] - d[0]), (d[3] - d[1]))
(c_x, c_y) = ((d[0] + (w / 2)), (d[1] + (h / 2)))
w = h = np.where(((w / h) > 1), w, h)
bbox = np.array([c_x, c_y, w, h])
if (person_id in people.keys()):
people[person_id]['bbox'].append(bbox)
people[person_id]['frames'].append(frame_idx)
else:
people[person_id] = {'bbox': [], 'frames': []}
people[person_id]['bbox'].append(bbox)
people[person_id]['frames'].append(frame_idx)
for k in people.keys():
people[k]['bbox'] = np.array(people[k]['bbox']).reshape((len(people[k]['bbox']), 4))
people[k]['frames'] = np.array(people[k]['frames'])
return people<|docstring|>Put results into a dictionary consists of detected people
:param trackers (ndarray): input tracklets of shape Nx5 [x1,y1,x2,y2,track_id]
:return: dict: of people. each key represent single person with detected bboxes and frame_ids<|endoftext|> |
ddc454c9a2442d03805c5248f715c5f93535fa0ee8c62d806e505adcce903987 | def display_results(self, image_folder, trackers, output_file=None):
'\n Display the output of multi-person-tracking\n :param video (ndarray): input video tensor of shape NxHxWxC\n :param trackers (ndarray): tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n :return: None\n '
print('Displaying results..')
save = (True if output_file else False)
tmp_write_folder = osp.join('/tmp', f'{osp.basename(image_folder)}_mpt_results')
os.makedirs(tmp_write_folder, exist_ok=True)
colours = np.random.rand(32, 3)
image_file_names = sorted([osp.join(image_folder, x) for x in os.listdir(image_folder) if (x.endswith('.png') or x.endswith('.jpg'))])
for (idx, (img_fname, tracker)) in enumerate(zip(image_file_names, trackers)):
img = cv2.imread(img_fname)
for d in tracker:
d = d.astype(np.int32)
c = (colours[((d[4] % 32), :)] * 255).astype(np.uint8).tolist()
cv2.rectangle(img, (d[0], d[1]), (d[2], d[3]), color=c, thickness=int(round((img.shape[0] / 256))))
cv2.putText(img, f'{d[4]}', ((d[0] - 9), (d[1] - 9)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0))
cv2.putText(img, f'{d[4]}', ((d[0] - 8), (d[1] - 8)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255))
cv2.imshow('result video', img)
if ((cv2.waitKey(1) & 255) == ord('q')):
break
if save:
cv2.imwrite(osp.join(tmp_write_folder, f'{idx:06d}.png'), img)
cv2.destroyAllWindows()
if save:
print(f'Saving output video to {output_file}')
images_to_video(img_folder=tmp_write_folder, output_vid_file=output_file)
shutil.rmtree(tmp_write_folder) | Display the output of multi-person-tracking
:param video (ndarray): input video tensor of shape NxHxWxC
:param trackers (ndarray): tracklets of shape Nx5 [x1,y1,x2,y2,track_id]
:return: None | multi_person_tracker/mpt.py | display_results | mkocabas/multi-person-tracker | 121 | python | def display_results(self, image_folder, trackers, output_file=None):
'\n Display the output of multi-person-tracking\n :param video (ndarray): input video tensor of shape NxHxWxC\n :param trackers (ndarray): tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n :return: None\n '
print('Displaying results..')
save = (True if output_file else False)
tmp_write_folder = osp.join('/tmp', f'{osp.basename(image_folder)}_mpt_results')
os.makedirs(tmp_write_folder, exist_ok=True)
colours = np.random.rand(32, 3)
image_file_names = sorted([osp.join(image_folder, x) for x in os.listdir(image_folder) if (x.endswith('.png') or x.endswith('.jpg'))])
for (idx, (img_fname, tracker)) in enumerate(zip(image_file_names, trackers)):
img = cv2.imread(img_fname)
for d in tracker:
d = d.astype(np.int32)
c = (colours[((d[4] % 32), :)] * 255).astype(np.uint8).tolist()
cv2.rectangle(img, (d[0], d[1]), (d[2], d[3]), color=c, thickness=int(round((img.shape[0] / 256))))
cv2.putText(img, f'{d[4]}', ((d[0] - 9), (d[1] - 9)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0))
cv2.putText(img, f'{d[4]}', ((d[0] - 8), (d[1] - 8)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255))
cv2.imshow('result video', img)
if ((cv2.waitKey(1) & 255) == ord('q')):
break
if save:
cv2.imwrite(osp.join(tmp_write_folder, f'{idx:06d}.png'), img)
cv2.destroyAllWindows()
if save:
print(f'Saving output video to {output_file}')
images_to_video(img_folder=tmp_write_folder, output_vid_file=output_file)
shutil.rmtree(tmp_write_folder) | def display_results(self, image_folder, trackers, output_file=None):
'\n Display the output of multi-person-tracking\n :param video (ndarray): input video tensor of shape NxHxWxC\n :param trackers (ndarray): tracklets of shape Nx5 [x1,y1,x2,y2,track_id]\n :return: None\n '
print('Displaying results..')
save = (True if output_file else False)
tmp_write_folder = osp.join('/tmp', f'{osp.basename(image_folder)}_mpt_results')
os.makedirs(tmp_write_folder, exist_ok=True)
colours = np.random.rand(32, 3)
image_file_names = sorted([osp.join(image_folder, x) for x in os.listdir(image_folder) if (x.endswith('.png') or x.endswith('.jpg'))])
for (idx, (img_fname, tracker)) in enumerate(zip(image_file_names, trackers)):
img = cv2.imread(img_fname)
for d in tracker:
d = d.astype(np.int32)
c = (colours[((d[4] % 32), :)] * 255).astype(np.uint8).tolist()
cv2.rectangle(img, (d[0], d[1]), (d[2], d[3]), color=c, thickness=int(round((img.shape[0] / 256))))
cv2.putText(img, f'{d[4]}', ((d[0] - 9), (d[1] - 9)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0))
cv2.putText(img, f'{d[4]}', ((d[0] - 8), (d[1] - 8)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255))
cv2.imshow('result video', img)
if ((cv2.waitKey(1) & 255) == ord('q')):
break
if save:
cv2.imwrite(osp.join(tmp_write_folder, f'{idx:06d}.png'), img)
cv2.destroyAllWindows()
if save:
print(f'Saving output video to {output_file}')
images_to_video(img_folder=tmp_write_folder, output_vid_file=output_file)
shutil.rmtree(tmp_write_folder)<|docstring|>Display the output of multi-person-tracking
:param video (ndarray): input video tensor of shape NxHxWxC
:param trackers (ndarray): tracklets of shape Nx5 [x1,y1,x2,y2,track_id]
:return: None<|endoftext|> |
19c877ad7ccff7b43fa486b975bd9dccdbf3f49740672bcfbdcd2ded4c7b57c4 | def display_detection_results(self, image_folder, detections, output_file=None):
'\n Display the output of detector\n :param video (ndarray): input video tensor of shape NxHxWxC\n :param detections (ndarray): detections of shape Nx4 [x1,y1,x2,y2,track_id]\n :return: None\n '
print('Displaying results..')
save = (True if output_file else False)
tmp_write_folder = osp.join('/tmp', f'{osp.basename(image_folder)}_mpt_results')
os.makedirs(tmp_write_folder, exist_ok=True)
colours = np.random.rand(32, 3)
image_file_names = sorted([osp.join(image_folder, x) for x in os.listdir(image_folder) if (x.endswith('.png') or x.endswith('.jpg'))])
for (idx, (img_fname, dets)) in enumerate(zip(image_file_names, detections)):
print(img_fname)
img = cv2.imread(img_fname)
for d in dets:
d = d.astype(np.int32)
c = (0, 255, 0)
cv2.rectangle(img, (d[0], d[1]), (d[2], d[3]), color=c, thickness=int(round((img.shape[0] / 256))))
cv2.imshow('result image', img)
if ((cv2.waitKey(1) & 255) == ord('q')):
break
if save:
cv2.imwrite(osp.join(tmp_write_folder, f'{idx:06d}.png'), img)
cv2.destroyAllWindows()
if save:
print(f'Saving output video to {output_file}')
images_to_video(img_folder=tmp_write_folder, output_vid_file=output_file)
shutil.rmtree(tmp_write_folder) | Display the output of detector
:param video (ndarray): input video tensor of shape NxHxWxC
:param detections (ndarray): detections of shape Nx4 [x1,y1,x2,y2,track_id]
:return: None | multi_person_tracker/mpt.py | display_detection_results | mkocabas/multi-person-tracker | 121 | python | def display_detection_results(self, image_folder, detections, output_file=None):
'\n Display the output of detector\n :param video (ndarray): input video tensor of shape NxHxWxC\n :param detections (ndarray): detections of shape Nx4 [x1,y1,x2,y2,track_id]\n :return: None\n '
print('Displaying results..')
save = (True if output_file else False)
tmp_write_folder = osp.join('/tmp', f'{osp.basename(image_folder)}_mpt_results')
os.makedirs(tmp_write_folder, exist_ok=True)
colours = np.random.rand(32, 3)
image_file_names = sorted([osp.join(image_folder, x) for x in os.listdir(image_folder) if (x.endswith('.png') or x.endswith('.jpg'))])
for (idx, (img_fname, dets)) in enumerate(zip(image_file_names, detections)):
print(img_fname)
img = cv2.imread(img_fname)
for d in dets:
d = d.astype(np.int32)
c = (0, 255, 0)
cv2.rectangle(img, (d[0], d[1]), (d[2], d[3]), color=c, thickness=int(round((img.shape[0] / 256))))
cv2.imshow('result image', img)
if ((cv2.waitKey(1) & 255) == ord('q')):
break
if save:
cv2.imwrite(osp.join(tmp_write_folder, f'{idx:06d}.png'), img)
cv2.destroyAllWindows()
if save:
print(f'Saving output video to {output_file}')
images_to_video(img_folder=tmp_write_folder, output_vid_file=output_file)
shutil.rmtree(tmp_write_folder) | def display_detection_results(self, image_folder, detections, output_file=None):
'\n Display the output of detector\n :param video (ndarray): input video tensor of shape NxHxWxC\n :param detections (ndarray): detections of shape Nx4 [x1,y1,x2,y2,track_id]\n :return: None\n '
print('Displaying results..')
save = (True if output_file else False)
tmp_write_folder = osp.join('/tmp', f'{osp.basename(image_folder)}_mpt_results')
os.makedirs(tmp_write_folder, exist_ok=True)
colours = np.random.rand(32, 3)
image_file_names = sorted([osp.join(image_folder, x) for x in os.listdir(image_folder) if (x.endswith('.png') or x.endswith('.jpg'))])
for (idx, (img_fname, dets)) in enumerate(zip(image_file_names, detections)):
print(img_fname)
img = cv2.imread(img_fname)
for d in dets:
d = d.astype(np.int32)
c = (0, 255, 0)
cv2.rectangle(img, (d[0], d[1]), (d[2], d[3]), color=c, thickness=int(round((img.shape[0] / 256))))
cv2.imshow('result image', img)
if ((cv2.waitKey(1) & 255) == ord('q')):
break
if save:
cv2.imwrite(osp.join(tmp_write_folder, f'{idx:06d}.png'), img)
cv2.destroyAllWindows()
if save:
print(f'Saving output video to {output_file}')
images_to_video(img_folder=tmp_write_folder, output_vid_file=output_file)
shutil.rmtree(tmp_write_folder)<|docstring|>Display the output of detector
:param video (ndarray): input video tensor of shape NxHxWxC
:param detections (ndarray): detections of shape Nx4 [x1,y1,x2,y2,track_id]
:return: None<|endoftext|> |
c33fd8d66534430a5559e19dfc0287a571eed1b20a62d020bb01c5d1996b852c | def __call__(self, image_folder, output_file=None):
'\n Execute MPT and return results as a dictionary of person instances\n\n :param video (ndarray): input video tensor of shape NxHxWxC\n :return: a dictionary of person instances\n '
image_dataset = ImageFolder(image_folder)
dataloader = DataLoader(image_dataset, batch_size=self.batch_size, num_workers=0)
trackers = self.run_tracker(dataloader)
if self.display:
self.display_results(image_folder, trackers, output_file)
if (self.output_format == 'dict'):
result = self.prepare_output_tracks(trackers)
elif (self.output_format == 'list'):
result = trackers
return result | Execute MPT and return results as a dictionary of person instances
:param video (ndarray): input video tensor of shape NxHxWxC
:return: a dictionary of person instances | multi_person_tracker/mpt.py | __call__ | mkocabas/multi-person-tracker | 121 | python | def __call__(self, image_folder, output_file=None):
'\n Execute MPT and return results as a dictionary of person instances\n\n :param video (ndarray): input video tensor of shape NxHxWxC\n :return: a dictionary of person instances\n '
image_dataset = ImageFolder(image_folder)
dataloader = DataLoader(image_dataset, batch_size=self.batch_size, num_workers=0)
trackers = self.run_tracker(dataloader)
if self.display:
self.display_results(image_folder, trackers, output_file)
if (self.output_format == 'dict'):
result = self.prepare_output_tracks(trackers)
elif (self.output_format == 'list'):
result = trackers
return result | def __call__(self, image_folder, output_file=None):
'\n Execute MPT and return results as a dictionary of person instances\n\n :param video (ndarray): input video tensor of shape NxHxWxC\n :return: a dictionary of person instances\n '
image_dataset = ImageFolder(image_folder)
dataloader = DataLoader(image_dataset, batch_size=self.batch_size, num_workers=0)
trackers = self.run_tracker(dataloader)
if self.display:
self.display_results(image_folder, trackers, output_file)
if (self.output_format == 'dict'):
result = self.prepare_output_tracks(trackers)
elif (self.output_format == 'list'):
result = trackers
return result<|docstring|>Execute MPT and return results as a dictionary of person instances
:param video (ndarray): input video tensor of shape NxHxWxC
:return: a dictionary of person instances<|endoftext|> |
522cdd7c6e9069fdcfbd979b5cdbade8efeae7b6c63673ad5aea962a2d2821aa | @commands.group(pass_context=True)
@has_permissions(manage_roles=True)
async def em(self, ctx):
'Описание саб-команд em\n \n -em new [Создание личного embed]\n -em author [text] [Установка названия ивента][128 symbols]\n -em descrip [description] [Установка описания ивента][2048 symbols]\n -em f [1-4] ["Название категории"] ["Описание категории"] [Максимум 4 категории][2048 symbols]\n -em set_img [url] [Вставка картинки, нужен url]\n -em footer [text] [Вставка футера]\n -em send [#channel] [Отправка сообщения с @here]\n -em clear [Очистить embed]\n -em view [Предпросмотр вашего embed]'
if (ctx.invoked_subcommand is None):
msg = ctx.command.help
em = discord.Embed(colour=ctx.message.author.colour)
em.add_field(name='Command Helper', value=f'{msg}')
(await ctx.send(embed=em)) | Описание саб-команд em
-em new [Создание личного embed]
-em author [text] [Установка названия ивента][128 symbols]
-em descrip [description] [Установка описания ивента][2048 symbols]
-em f [1-4] ["Название категории"] ["Описание категории"] [Максимум 4 категории][2048 symbols]
-em set_img [url] [Вставка картинки, нужен url]
-em footer [text] [Вставка футера]
-em send [#channel] [Отправка сообщения с @here]
-em clear [Очистить embed]
-em view [Предпросмотр вашего embed] | cogs/activity.py | em | MikoxMi/Batrack | 1 | python | @commands.group(pass_context=True)
@has_permissions(manage_roles=True)
async def em(self, ctx):
'Описание саб-команд em\n \n -em new [Создание личного embed]\n -em author [text] [Установка названия ивента][128 symbols]\n -em descrip [description] [Установка описания ивента][2048 symbols]\n -em f [1-4] ["Название категории"] ["Описание категории"] [Максимум 4 категории][2048 symbols]\n -em set_img [url] [Вставка картинки, нужен url]\n -em footer [text] [Вставка футера]\n -em send [#channel] [Отправка сообщения с @here]\n -em clear [Очистить embed]\n -em view [Предпросмотр вашего embed]'
if (ctx.invoked_subcommand is None):
msg = ctx.command.help
em = discord.Embed(colour=ctx.message.author.colour)
em.add_field(name='Command Helper', value=f'{msg}')
(await ctx.send(embed=em)) | @commands.group(pass_context=True)
@has_permissions(manage_roles=True)
async def em(self, ctx):
'Описание саб-команд em\n \n -em new [Создание личного embed]\n -em author [text] [Установка названия ивента][128 symbols]\n -em descrip [description] [Установка описания ивента][2048 symbols]\n -em f [1-4] ["Название категории"] ["Описание категории"] [Максимум 4 категории][2048 symbols]\n -em set_img [url] [Вставка картинки, нужен url]\n -em footer [text] [Вставка футера]\n -em send [#channel] [Отправка сообщения с @here]\n -em clear [Очистить embed]\n -em view [Предпросмотр вашего embed]'
if (ctx.invoked_subcommand is None):
msg = ctx.command.help
em = discord.Embed(colour=ctx.message.author.colour)
em.add_field(name='Command Helper', value=f'{msg}')
(await ctx.send(embed=em))<|docstring|>Описание саб-команд em
-em new [Создание личного embed]
-em author [text] [Установка названия ивента][128 symbols]
-em descrip [description] [Установка описания ивента][2048 symbols]
-em f [1-4] ["Название категории"] ["Описание категории"] [Максимум 4 категории][2048 symbols]
-em set_img [url] [Вставка картинки, нужен url]
-em footer [text] [Вставка футера]
-em send [#channel] [Отправка сообщения с @here]
-em clear [Очистить embed]
-em view [Предпросмотр вашего embed]<|endoftext|> |
01d0e96b86a28288dedb9fc3e6041ef68eec071762692f1bca7cf631b06e0779 | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def new(self, ctx):
'Создание личного embed\n \n -em new'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
upg = {'embed_owner': author_id, 'author': '', 'description': '', 'field_1': '', 'name_1': '', 'field_2': '', 'name_2': '', 'field_3': '', 'name_3': '', 'field_4': '', 'name_4': '', 'set_image': '', 'footer': ''}
(await Mongo.record_insert('embed', upg))
(await ctx.send('Создание вашего личного embed успешно.:white_check_mark:'))
else:
(await ctx.send("У вас уже есть свои личный embed\nВы можете использовать 'em clear', для его очистки.")) | Создание личного embed
-em new | cogs/activity.py | new | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def new(self, ctx):
'Создание личного embed\n \n -em new'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
upg = {'embed_owner': author_id, 'author': , 'description': , 'field_1': , 'name_1': , 'field_2': , 'name_2': , 'field_3': , 'name_3': , 'field_4': , 'name_4': , 'set_image': , 'footer': }
(await Mongo.record_insert('embed', upg))
(await ctx.send('Создание вашего личного embed успешно.:white_check_mark:'))
else:
(await ctx.send("У вас уже есть свои личный embed\nВы можете использовать 'em clear', для его очистки.")) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def new(self, ctx):
'Создание личного embed\n \n -em new'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
upg = {'embed_owner': author_id, 'author': , 'description': , 'field_1': , 'name_1': , 'field_2': , 'name_2': , 'field_3': , 'name_3': , 'field_4': , 'name_4': , 'set_image': , 'footer': }
(await Mongo.record_insert('embed', upg))
(await ctx.send('Создание вашего личного embed успешно.:white_check_mark:'))
else:
(await ctx.send("У вас уже есть свои личный embed\nВы можете использовать 'em clear', для его очистки."))<|docstring|>Создание личного embed
-em new<|endoftext|> |
9692165026a0867d790b43e5dde87d859df3d0464d2de928bd359d99e801aff4 | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def author(self, ctx, *, text):
'Установка заголовка эмбеда\n \n -em author "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (len(text) > 128):
(await ctx.send('Слишком много символов. Максимальное количество: 128'))
else:
upg = {'author': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка заголовка успешна')) | Установка заголовка эмбеда
-em author "text" | cogs/activity.py | author | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def author(self, ctx, *, text):
'Установка заголовка эмбеда\n \n -em author "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (len(text) > 128):
(await ctx.send('Слишком много символов. Максимальное количество: 128'))
else:
upg = {'author': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка заголовка успешна')) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def author(self, ctx, *, text):
'Установка заголовка эмбеда\n \n -em author "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (len(text) > 128):
(await ctx.send('Слишком много символов. Максимальное количество: 128'))
else:
upg = {'author': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка заголовка успешна'))<|docstring|>Установка заголовка эмбеда
-em author "text"<|endoftext|> |
2cd98b343c9f04562bf0a67204758ae0fa8afab02f64987e2b621cb11768e998 | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def descrip(self, ctx, *, text):
'Установка описания ивента\n \n -em descrip "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n 'em new'"))
pass
if (len(text) > 2048):
(await ctx.send('Слишком много символов. Максимальное количество: 2048'))
else:
upg = {'description': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Description введен успешно.')) | Установка описания ивента
-em descrip "text" | cogs/activity.py | descrip | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def descrip(self, ctx, *, text):
'Установка описания ивента\n \n -em descrip "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n 'em new'"))
pass
if (len(text) > 2048):
(await ctx.send('Слишком много символов. Максимальное количество: 2048'))
else:
upg = {'description': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Description введен успешно.')) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def descrip(self, ctx, *, text):
'Установка описания ивента\n \n -em descrip "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n 'em new'"))
pass
if (len(text) > 2048):
(await ctx.send('Слишком много символов. Максимальное количество: 2048'))
else:
upg = {'description': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Description введен успешно.'))<|docstring|>Установка описания ивента
-em descrip "text"<|endoftext|> |
7ab76d6bcdf541a026b9435516fcff19c1b6b02f0c373b90d48a60d97ddc7346 | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def set_img(self, ctx, *, url):
'Установка главного изображения\n \n -em set_img "url" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
else:
upg = {'set_image': url}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка изображения успешно!')) | Установка главного изображения
-em set_img "url" | cogs/activity.py | set_img | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def set_img(self, ctx, *, url):
'Установка главного изображения\n \n -em set_img "url" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
else:
upg = {'set_image': url}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка изображения успешно!')) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def set_img(self, ctx, *, url):
'Установка главного изображения\n \n -em set_img "url" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
else:
upg = {'set_image': url}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка изображения успешно!'))<|docstring|>Установка главного изображения
-em set_img "url"<|endoftext|> |
d11b47d478f9519d03991d03d6509871370a2fbec565e59d6530aeeba2585d77 | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def f(self, ctx, field: int, header, text):
'Установка f\n \n -em f (1-4) "header" "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (field == 1):
upg = {'field_1': header, 'name_1': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка первого field успешно'))
elif (field == 2):
upg = {'field_2': header, 'name_2': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка второго field успешно'))
elif (field == 3):
upg = {'field_3': header, 'name_3': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка третьего field успешно'))
elif (field == 4):
upg = {'field_4': header, 'name_4': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка четвертого field успешно'))
else:
(await ctx.send('Более fields недоступны')) | Установка f
-em f (1-4) "header" "text" | cogs/activity.py | f | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def f(self, ctx, field: int, header, text):
'Установка f\n \n -em f (1-4) "header" "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (field == 1):
upg = {'field_1': header, 'name_1': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка первого field успешно'))
elif (field == 2):
upg = {'field_2': header, 'name_2': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка второго field успешно'))
elif (field == 3):
upg = {'field_3': header, 'name_3': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка третьего field успешно'))
elif (field == 4):
upg = {'field_4': header, 'name_4': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка четвертого field успешно'))
else:
(await ctx.send('Более fields недоступны')) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def f(self, ctx, field: int, header, text):
'Установка f\n \n -em f (1-4) "header" "text" '
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (field == 1):
upg = {'field_1': header, 'name_1': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка первого field успешно'))
elif (field == 2):
upg = {'field_2': header, 'name_2': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка второго field успешно'))
elif (field == 3):
upg = {'field_3': header, 'name_3': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка третьего field успешно'))
elif (field == 4):
upg = {'field_4': header, 'name_4': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка четвертого field успешно'))
else:
(await ctx.send('Более fields недоступны'))<|docstring|>Установка f
-em f (1-4) "header" "text"<|endoftext|> |
d77fd841f6a979d546687718efedf6e19583f16b91d92337a077295d5ff10c18 | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def view(self, ctx):
'Просмотр предварительного сообщения\n\n -em view'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (record['description'] != ''):
e = discord.Embed(colour=int('0x36393f', 0), description=record['description'])
else:
e = discord.Embed(colour=int('0x36393f', 0))
if (record['author'] != ''):
e.set_author(name=record['author'])
if (record['field_1'] != ''):
e.add_field(name=record['field_1'], value=f"{record['name_1']}")
if (record['field_2'] != ''):
e.add_field(name=record['field_2'], value=f"{record['name_2']}")
if (record['field_3'] != ''):
e.add_field(name=record['field_3'], value=f"{record['name_3']}")
if (record['field_4'] != ''):
e.add_field(name=record['field_4'], value=f"{record['name_4']}")
if (record['set_image'] != ''):
e.set_image(url=record['set_image'])
if (record['footer'] != ''):
e.set_footer(text=record['footer'], icon_url=ctx.message.server.icon_url)
(await ctx.send(embed=e)) | Просмотр предварительного сообщения
-em view | cogs/activity.py | view | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def view(self, ctx):
'Просмотр предварительного сообщения\n\n -em view'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (record['description'] != ):
e = discord.Embed(colour=int('0x36393f', 0), description=record['description'])
else:
e = discord.Embed(colour=int('0x36393f', 0))
if (record['author'] != ):
e.set_author(name=record['author'])
if (record['field_1'] != ):
e.add_field(name=record['field_1'], value=f"{record['name_1']}")
if (record['field_2'] != ):
e.add_field(name=record['field_2'], value=f"{record['name_2']}")
if (record['field_3'] != ):
e.add_field(name=record['field_3'], value=f"{record['name_3']}")
if (record['field_4'] != ):
e.add_field(name=record['field_4'], value=f"{record['name_4']}")
if (record['set_image'] != ):
e.set_image(url=record['set_image'])
if (record['footer'] != ):
e.set_footer(text=record['footer'], icon_url=ctx.message.server.icon_url)
(await ctx.send(embed=e)) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def view(self, ctx):
'Просмотр предварительного сообщения\n\n -em view'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (record['description'] != ):
e = discord.Embed(colour=int('0x36393f', 0), description=record['description'])
else:
e = discord.Embed(colour=int('0x36393f', 0))
if (record['author'] != ):
e.set_author(name=record['author'])
if (record['field_1'] != ):
e.add_field(name=record['field_1'], value=f"{record['name_1']}")
if (record['field_2'] != ):
e.add_field(name=record['field_2'], value=f"{record['name_2']}")
if (record['field_3'] != ):
e.add_field(name=record['field_3'], value=f"{record['name_3']}")
if (record['field_4'] != ):
e.add_field(name=record['field_4'], value=f"{record['name_4']}")
if (record['set_image'] != ):
e.set_image(url=record['set_image'])
if (record['footer'] != ):
e.set_footer(text=record['footer'], icon_url=ctx.message.server.icon_url)
(await ctx.send(embed=e))<|docstring|>Просмотр предварительного сообщения
-em view<|endoftext|> |
201988f721e28412fad6d36b9271034be2908e9c1127266e47d3c06d915434fb | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def clear(self, ctx):
'Очистить ваш embed'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
upg = {'embed_owner': ctx.message.author.id, 'author': '', 'description': '', 'field_1': '', 'name_1': '', 'field_2': '', 'name_2': '', 'field_3': '', 'name_3': '', 'field_4': '', 'name_4': '', 'set_image': '', 'footer': ''}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Очистка вашего embed успешна')) | Очистить ваш embed | cogs/activity.py | clear | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def clear(self, ctx):
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
upg = {'embed_owner': ctx.message.author.id, 'author': , 'description': , 'field_1': , 'name_1': , 'field_2': , 'name_2': , 'field_3': , 'name_3': , 'field_4': , 'name_4': , 'set_image': , 'footer': }
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Очистка вашего embed успешна')) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def clear(self, ctx):
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
upg = {'embed_owner': ctx.message.author.id, 'author': , 'description': , 'field_1': , 'name_1': , 'field_2': , 'name_2': , 'field_3': , 'name_3': , 'field_4': , 'name_4': , 'set_image': , 'footer': }
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Очистка вашего embed успешна'))<|docstring|>Очистить ваш embed<|endoftext|> |
7970af12099ebb86b99346a9d69c9e917f7fd49b805f8121197362da23674b15 | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def footer(self, ctx, *, text):
'Установка текста в footer\n \n -em footer <text>'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
else:
upg = {'footer': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка футера успешно!')) | Установка текста в footer
-em footer <text> | cogs/activity.py | footer | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def footer(self, ctx, *, text):
'Установка текста в footer\n \n -em footer <text>'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
else:
upg = {'footer': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка футера успешно!')) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def footer(self, ctx, *, text):
'Установка текста в footer\n \n -em footer <text>'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
else:
upg = {'footer': text}
(await Mongo.update_record('embed', record, upg))
(await ctx.send('Установка футера успешно!'))<|docstring|>Установка текста в footer
-em footer <text><|endoftext|> |
ee12eaedfec1e004becc2eea2e123b9e07124079528354e569b6ba14bb7bb14d | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def send(self, ctx, channel):
'Отправка сообщения в определенный канал. DANGER пингует @here\n \n -em send <channel_name>'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (record['description'] != ''):
e = discord.Embed(colour=int('0x36393f', 0), description=record['description'])
else:
e = discord.Embed(colour=ctx.message.author.colour)
if (record['author'] != ''):
e.set_author(name=record['author'])
if (record['field_1'] != ''):
e.add_field(name=record['field_1'], value=f"{record['name_1']}")
if (record['field_2'] != ''):
e.add_field(name=record['field_2'], value=f"{record['name_2']}")
if (record['field_3'] != ''):
e.add_field(name=record['field_3'], value=f"{record['name_3']}")
if (record['field_4'] != ''):
e.add_field(name=record['field_4'], value=f"{record['name_4']}")
if (record['set_image'] != ''):
e.set_image(url=record['set_image'])
if (record['footer'] != ''):
e.set_footer(text=record['footer'], icon_url=ctx.message.server.icon_url)
ch = discord.utils.get(self.bot.get_all_channels(), guild__name=ctx.guild.name, name=channel)
(await ch.send('@here'))
(await ch.send(embed=e)) | Отправка сообщения в определенный канал. DANGER пингует @here
-em send <channel_name> | cogs/activity.py | send | MikoxMi/Batrack | 1 | python | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def send(self, ctx, channel):
'Отправка сообщения в определенный канал. DANGER пингует @here\n \n -em send <channel_name>'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (record['description'] != ):
e = discord.Embed(colour=int('0x36393f', 0), description=record['description'])
else:
e = discord.Embed(colour=ctx.message.author.colour)
if (record['author'] != ):
e.set_author(name=record['author'])
if (record['field_1'] != ):
e.add_field(name=record['field_1'], value=f"{record['name_1']}")
if (record['field_2'] != ):
e.add_field(name=record['field_2'], value=f"{record['name_2']}")
if (record['field_3'] != ):
e.add_field(name=record['field_3'], value=f"{record['name_3']}")
if (record['field_4'] != ):
e.add_field(name=record['field_4'], value=f"{record['name_4']}")
if (record['set_image'] != ):
e.set_image(url=record['set_image'])
if (record['footer'] != ):
e.set_footer(text=record['footer'], icon_url=ctx.message.server.icon_url)
ch = discord.utils.get(self.bot.get_all_channels(), guild__name=ctx.guild.name, name=channel)
(await ch.send('@here'))
(await ch.send(embed=e)) | @em.group(pass_context=True)
@has_permissions(manage_roles=True)
async def send(self, ctx, channel):
'Отправка сообщения в определенный канал. DANGER пингует @here\n \n -em send <channel_name>'
author_id = ctx.message.author.id
record = (await Mongo.get_record('embed', 'embed_owner', author_id))
if (record is None):
(await ctx.send("Для начала нужно создать свой личный embed\n '-em new'"))
pass
if (record['description'] != ):
e = discord.Embed(colour=int('0x36393f', 0), description=record['description'])
else:
e = discord.Embed(colour=ctx.message.author.colour)
if (record['author'] != ):
e.set_author(name=record['author'])
if (record['field_1'] != ):
e.add_field(name=record['field_1'], value=f"{record['name_1']}")
if (record['field_2'] != ):
e.add_field(name=record['field_2'], value=f"{record['name_2']}")
if (record['field_3'] != ):
e.add_field(name=record['field_3'], value=f"{record['name_3']}")
if (record['field_4'] != ):
e.add_field(name=record['field_4'], value=f"{record['name_4']}")
if (record['set_image'] != ):
e.set_image(url=record['set_image'])
if (record['footer'] != ):
e.set_footer(text=record['footer'], icon_url=ctx.message.server.icon_url)
ch = discord.utils.get(self.bot.get_all_channels(), guild__name=ctx.guild.name, name=channel)
(await ch.send('@here'))
(await ch.send(embed=e))<|docstring|>Отправка сообщения в определенный канал. DANGER пингует @here
-em send <channel_name><|endoftext|> |
cb0f7693e71d623412572800015be6476ecdae449fdc9abf68f9f839e1c9d91f | @abstractmethod
def fit(self, item_users):
'\n Trains the model on a sparse matrix of item/user/weight\n\n Parameters\n ----------\n item_user : csr_matrix\n A matrix of shape (number_of_items, number_of_users). The nonzero\n entries in this matrix are the items that are liked by each user.\n The values are how confidant you are that the item is liked by the user.\n '
pass | Trains the model on a sparse matrix of item/user/weight
Parameters
----------
item_user : csr_matrix
A matrix of shape (number_of_items, number_of_users). The nonzero
entries in this matrix are the items that are liked by each user.
The values are how confidant you are that the item is liked by the user. | implicit/recommender_base.py | fit | zhouyonglong/Fast-Python-Collaborative-Filtering-for-Implicit-Datasets | 0 | python | @abstractmethod
def fit(self, item_users):
'\n Trains the model on a sparse matrix of item/user/weight\n\n Parameters\n ----------\n item_user : csr_matrix\n A matrix of shape (number_of_items, number_of_users). The nonzero\n entries in this matrix are the items that are liked by each user.\n The values are how confidant you are that the item is liked by the user.\n '
pass | @abstractmethod
def fit(self, item_users):
'\n Trains the model on a sparse matrix of item/user/weight\n\n Parameters\n ----------\n item_user : csr_matrix\n A matrix of shape (number_of_items, number_of_users). The nonzero\n entries in this matrix are the items that are liked by each user.\n The values are how confidant you are that the item is liked by the user.\n '
pass<|docstring|>Trains the model on a sparse matrix of item/user/weight
Parameters
----------
item_user : csr_matrix
A matrix of shape (number_of_items, number_of_users). The nonzero
entries in this matrix are the items that are liked by each user.
The values are how confidant you are that the item is liked by the user.<|endoftext|> |
50813f19740696ace77f7663ef81ce01cee9e14db336e2ca8af1765298c9da4c | @abstractmethod
def recommend(self, userid, user_items, N=10, filter_items=None, recalculate_user=False):
"\n Recommends items for a user\n\n Calculates the N best recommendations for a user, and returns a list of itemids, score.\n\n Parameters\n ----------\n userid : int\n The userid to calculate recommendations for\n user_items : csr_matrix\n A sparse matrix of shape (number_users, number_items). This lets us look\n up the liked items and their weights for the user. This is used to filter out\n items that have already been liked from the output, and to also potentially\n calculate the best items for this user.\n N : int, optional\n The number of results to return\n filter_items : sequence of ints, optional\n List of extra item ids to filter out from the output\n recalculate_user : bool, optional\n When true, don't rely on stored user state and instead recalculate from the\n passed in user_items\n\n Returns\n -------\n list\n List of (itemid, score) tuples\n "
pass | Recommends items for a user
Calculates the N best recommendations for a user, and returns a list of itemids, score.
Parameters
----------
userid : int
The userid to calculate recommendations for
user_items : csr_matrix
A sparse matrix of shape (number_users, number_items). This lets us look
up the liked items and their weights for the user. This is used to filter out
items that have already been liked from the output, and to also potentially
calculate the best items for this user.
N : int, optional
The number of results to return
filter_items : sequence of ints, optional
List of extra item ids to filter out from the output
recalculate_user : bool, optional
When true, don't rely on stored user state and instead recalculate from the
passed in user_items
Returns
-------
list
List of (itemid, score) tuples | implicit/recommender_base.py | recommend | zhouyonglong/Fast-Python-Collaborative-Filtering-for-Implicit-Datasets | 0 | python | @abstractmethod
def recommend(self, userid, user_items, N=10, filter_items=None, recalculate_user=False):
"\n Recommends items for a user\n\n Calculates the N best recommendations for a user, and returns a list of itemids, score.\n\n Parameters\n ----------\n userid : int\n The userid to calculate recommendations for\n user_items : csr_matrix\n A sparse matrix of shape (number_users, number_items). This lets us look\n up the liked items and their weights for the user. This is used to filter out\n items that have already been liked from the output, and to also potentially\n calculate the best items for this user.\n N : int, optional\n The number of results to return\n filter_items : sequence of ints, optional\n List of extra item ids to filter out from the output\n recalculate_user : bool, optional\n When true, don't rely on stored user state and instead recalculate from the\n passed in user_items\n\n Returns\n -------\n list\n List of (itemid, score) tuples\n "
pass | @abstractmethod
def recommend(self, userid, user_items, N=10, filter_items=None, recalculate_user=False):
"\n Recommends items for a user\n\n Calculates the N best recommendations for a user, and returns a list of itemids, score.\n\n Parameters\n ----------\n userid : int\n The userid to calculate recommendations for\n user_items : csr_matrix\n A sparse matrix of shape (number_users, number_items). This lets us look\n up the liked items and their weights for the user. This is used to filter out\n items that have already been liked from the output, and to also potentially\n calculate the best items for this user.\n N : int, optional\n The number of results to return\n filter_items : sequence of ints, optional\n List of extra item ids to filter out from the output\n recalculate_user : bool, optional\n When true, don't rely on stored user state and instead recalculate from the\n passed in user_items\n\n Returns\n -------\n list\n List of (itemid, score) tuples\n "
pass<|docstring|>Recommends items for a user
Calculates the N best recommendations for a user, and returns a list of itemids, score.
Parameters
----------
userid : int
The userid to calculate recommendations for
user_items : csr_matrix
A sparse matrix of shape (number_users, number_items). This lets us look
up the liked items and their weights for the user. This is used to filter out
items that have already been liked from the output, and to also potentially
calculate the best items for this user.
N : int, optional
The number of results to return
filter_items : sequence of ints, optional
List of extra item ids to filter out from the output
recalculate_user : bool, optional
When true, don't rely on stored user state and instead recalculate from the
passed in user_items
Returns
-------
list
List of (itemid, score) tuples<|endoftext|> |
df51230fe8c0c93ec89b58ebc612775cba4bddd518091a5b2784c3043cf89bf9 | @abstractmethod
def similar_items(self, itemid, N=10):
'\n Calculates a list of similar items\n\n Parameters\n ----------\n itemid : int\n The row id of the item to retrieve similar items for\n N : int, optional\n The number of similar items to return\n\n Returns\n -------\n list\n List of (itemid, score) tuples\n '
pass | Calculates a list of similar items
Parameters
----------
itemid : int
The row id of the item to retrieve similar items for
N : int, optional
The number of similar items to return
Returns
-------
list
List of (itemid, score) tuples | implicit/recommender_base.py | similar_items | zhouyonglong/Fast-Python-Collaborative-Filtering-for-Implicit-Datasets | 0 | python | @abstractmethod
def similar_items(self, itemid, N=10):
'\n Calculates a list of similar items\n\n Parameters\n ----------\n itemid : int\n The row id of the item to retrieve similar items for\n N : int, optional\n The number of similar items to return\n\n Returns\n -------\n list\n List of (itemid, score) tuples\n '
pass | @abstractmethod
def similar_items(self, itemid, N=10):
'\n Calculates a list of similar items\n\n Parameters\n ----------\n itemid : int\n The row id of the item to retrieve similar items for\n N : int, optional\n The number of similar items to return\n\n Returns\n -------\n list\n List of (itemid, score) tuples\n '
pass<|docstring|>Calculates a list of similar items
Parameters
----------
itemid : int
The row id of the item to retrieve similar items for
N : int, optional
The number of similar items to return
Returns
-------
list
List of (itemid, score) tuples<|endoftext|> |
31302ca5c0f2bf691f579bad6f2f91024ed2d01c41daa93fa8cdacfb1502749a | def set_is_valid_rss(self):
'Check to if this is actually a valid RSS feed'
if (self.title and self.link and self.description):
self.is_valid_rss = True
else:
self.is_valid_rss = False | Check to if this is actually a valid RSS feed | pyPodcastParser/Podcast.py | set_is_valid_rss | nick-symon/pyPodcastParser | 16 | python | def set_is_valid_rss(self):
if (self.title and self.link and self.description):
self.is_valid_rss = True
else:
self.is_valid_rss = False | def set_is_valid_rss(self):
if (self.title and self.link and self.description):
self.is_valid_rss = True
else:
self.is_valid_rss = False<|docstring|>Check to if this is actually a valid RSS feed<|endoftext|> |
2f1dcc1ab84fdfca5548a677a87fa481057c58edd0e9c8dad428b7c7f1f8c82e | def set_extended_elements(self):
'Parses and sets non required elements'
self.set_creative_commons()
self.set_owner()
self.set_subtitle()
self.set_summary() | Parses and sets non required elements | pyPodcastParser/Podcast.py | set_extended_elements | nick-symon/pyPodcastParser | 16 | python | def set_extended_elements(self):
self.set_creative_commons()
self.set_owner()
self.set_subtitle()
self.set_summary() | def set_extended_elements(self):
self.set_creative_commons()
self.set_owner()
self.set_subtitle()
self.set_summary()<|docstring|>Parses and sets non required elements<|endoftext|> |
adda2cdd2133dc91ef3142589a93e1c89134f1f48f8211b81fe71d971c7779e9 | def set_itunes(self):
'Sets elements related to itunes'
self.set_itunes_author_name()
self.set_itunes_block()
self.set_itunes_complete()
self.set_itunes_explicit()
self.set_itune_image()
self.set_itunes_keywords()
self.set_itunes_new_feed_url()
self.set_itunes_categories()
self.set_items() | Sets elements related to itunes | pyPodcastParser/Podcast.py | set_itunes | nick-symon/pyPodcastParser | 16 | python | def set_itunes(self):
self.set_itunes_author_name()
self.set_itunes_block()
self.set_itunes_complete()
self.set_itunes_explicit()
self.set_itune_image()
self.set_itunes_keywords()
self.set_itunes_new_feed_url()
self.set_itunes_categories()
self.set_items() | def set_itunes(self):
self.set_itunes_author_name()
self.set_itunes_block()
self.set_itunes_complete()
self.set_itunes_explicit()
self.set_itune_image()
self.set_itunes_keywords()
self.set_itunes_new_feed_url()
self.set_itunes_categories()
self.set_items()<|docstring|>Sets elements related to itunes<|endoftext|> |
7dd5f4f64de5e1c781bcc5ea8e06e9bbcae21189302768500b8766622bd5b29b | def set_optional_elements(self):
'Sets elements considered option by RSS spec'
self.set_categories()
self.set_copyright()
self.set_generator()
self.set_image()
self.set_language()
self.set_last_build_date()
self.set_managing_editor()
self.set_published_date()
self.set_pubsubhubbub()
self.set_ttl()
self.set_web_master() | Sets elements considered option by RSS spec | pyPodcastParser/Podcast.py | set_optional_elements | nick-symon/pyPodcastParser | 16 | python | def set_optional_elements(self):
self.set_categories()
self.set_copyright()
self.set_generator()
self.set_image()
self.set_language()
self.set_last_build_date()
self.set_managing_editor()
self.set_published_date()
self.set_pubsubhubbub()
self.set_ttl()
self.set_web_master() | def set_optional_elements(self):
self.set_categories()
self.set_copyright()
self.set_generator()
self.set_image()
self.set_language()
self.set_last_build_date()
self.set_managing_editor()
self.set_published_date()
self.set_pubsubhubbub()
self.set_ttl()
self.set_web_master()<|docstring|>Sets elements considered option by RSS spec<|endoftext|> |
9dd81c040031c583bb781f0dd1786d5ad117c39c139335982b0b64ed8bf41675 | def set_required_elements(self):
'Sets elements required by RSS spec'
self.set_title()
self.set_link()
self.set_description() | Sets elements required by RSS spec | pyPodcastParser/Podcast.py | set_required_elements | nick-symon/pyPodcastParser | 16 | python | def set_required_elements(self):
self.set_title()
self.set_link()
self.set_description() | def set_required_elements(self):
self.set_title()
self.set_link()
self.set_description()<|docstring|>Sets elements required by RSS spec<|endoftext|> |
cf564728087bde631195a65c942aefc04bbe9344c5c8424a4c0e2bbd4bb28405 | def set_soup(self):
'Sets soup and strips items'
self.soup = BeautifulSoup(self.feed_content, 'html.parser')
for item in self.soup.findAll('item'):
item.decompose()
for image in self.soup.findAll('image'):
image.decompose() | Sets soup and strips items | pyPodcastParser/Podcast.py | set_soup | nick-symon/pyPodcastParser | 16 | python | def set_soup(self):
self.soup = BeautifulSoup(self.feed_content, 'html.parser')
for item in self.soup.findAll('item'):
item.decompose()
for image in self.soup.findAll('image'):
image.decompose() | def set_soup(self):
self.soup = BeautifulSoup(self.feed_content, 'html.parser')
for item in self.soup.findAll('item'):
item.decompose()
for image in self.soup.findAll('image'):
image.decompose()<|docstring|>Sets soup and strips items<|endoftext|> |
221da13b1a3861a1ff385046968c9cc5d1c316c21929cf67d9fd86db37e6790b | def set_full_soup(self):
'Sets soup and keeps items'
self.full_soup = BeautifulSoup(self.feed_content, 'html.parser') | Sets soup and keeps items | pyPodcastParser/Podcast.py | set_full_soup | nick-symon/pyPodcastParser | 16 | python | def set_full_soup(self):
self.full_soup = BeautifulSoup(self.feed_content, 'html.parser') | def set_full_soup(self):
self.full_soup = BeautifulSoup(self.feed_content, 'html.parser')<|docstring|>Sets soup and keeps items<|endoftext|> |
7cc77a71a8ced2ca54a2bd4e708032fd9f54c14d814582770ea927981e346293 | def set_categories(self):
'Parses and set feed categories'
self.categories = []
temp_categories = self.soup.findAll('category')
for category in temp_categories:
category_text = category.string
self.categories.append(category_text) | Parses and set feed categories | pyPodcastParser/Podcast.py | set_categories | nick-symon/pyPodcastParser | 16 | python | def set_categories(self):
self.categories = []
temp_categories = self.soup.findAll('category')
for category in temp_categories:
category_text = category.string
self.categories.append(category_text) | def set_categories(self):
self.categories = []
temp_categories = self.soup.findAll('category')
for category in temp_categories:
category_text = category.string
self.categories.append(category_text)<|docstring|>Parses and set feed categories<|endoftext|> |
16225647cfc04006b35a813863b440e3e2758144c26bb1c278c8a746ad40780f | def count_items(self):
'Counts Items in full_soup and soup. For debugging'
soup_items = self.soup.findAll('item')
full_soup_items = self.full_soup.findAll('item')
return (len(soup_items), len(full_soup_items)) | Counts Items in full_soup and soup. For debugging | pyPodcastParser/Podcast.py | count_items | nick-symon/pyPodcastParser | 16 | python | def count_items(self):
soup_items = self.soup.findAll('item')
full_soup_items = self.full_soup.findAll('item')
return (len(soup_items), len(full_soup_items)) | def count_items(self):
soup_items = self.soup.findAll('item')
full_soup_items = self.full_soup.findAll('item')
return (len(soup_items), len(full_soup_items))<|docstring|>Counts Items in full_soup and soup. For debugging<|endoftext|> |
5d637378f54e33e1d9e26beddbb5e9f9b01834803bba86ac97cb6924fe1b4940 | def set_copyright(self):
'Parses copyright and set value'
try:
self.copyright = self.soup.find('copyright').string
except AttributeError:
self.copyright = None | Parses copyright and set value | pyPodcastParser/Podcast.py | set_copyright | nick-symon/pyPodcastParser | 16 | python | def set_copyright(self):
try:
self.copyright = self.soup.find('copyright').string
except AttributeError:
self.copyright = None | def set_copyright(self):
try:
self.copyright = self.soup.find('copyright').string
except AttributeError:
self.copyright = None<|docstring|>Parses copyright and set value<|endoftext|> |
53be6c0b1ac996d05a0a6e77fa2a1d0311f2b9b24b4c14959eef5a4073582f27 | def set_creative_commons(self):
'Parses creative commons for item and sets value'
try:
self.creative_commons = self.soup.find('creativecommons:license').string
except AttributeError:
self.creative_commons = None | Parses creative commons for item and sets value | pyPodcastParser/Podcast.py | set_creative_commons | nick-symon/pyPodcastParser | 16 | python | def set_creative_commons(self):
try:
self.creative_commons = self.soup.find('creativecommons:license').string
except AttributeError:
self.creative_commons = None | def set_creative_commons(self):
try:
self.creative_commons = self.soup.find('creativecommons:license').string
except AttributeError:
self.creative_commons = None<|docstring|>Parses creative commons for item and sets value<|endoftext|> |
d34b2ff6656d373e015dd3bfe313a469f82215e1dccafbe3c100b40ebd00a635 | def set_description(self):
'Parses description and sets value'
try:
self.description = self.soup.find('description').string
except AttributeError:
self.description = None | Parses description and sets value | pyPodcastParser/Podcast.py | set_description | nick-symon/pyPodcastParser | 16 | python | def set_description(self):
try:
self.description = self.soup.find('description').string
except AttributeError:
self.description = None | def set_description(self):
try:
self.description = self.soup.find('description').string
except AttributeError:
self.description = None<|docstring|>Parses description and sets value<|endoftext|> |
0a01645a076148e7ea7935f5459579c9399ecee93b2bb2bcfe95af77834f2c1f | def set_generator(self):
'Parses feed generator and sets value'
try:
self.generator = self.soup.find('generator').string
except AttributeError:
self.generator = None | Parses feed generator and sets value | pyPodcastParser/Podcast.py | set_generator | nick-symon/pyPodcastParser | 16 | python | def set_generator(self):
try:
self.generator = self.soup.find('generator').string
except AttributeError:
self.generator = None | def set_generator(self):
try:
self.generator = self.soup.find('generator').string
except AttributeError:
self.generator = None<|docstring|>Parses feed generator and sets value<|endoftext|> |
90904ac7553bc525b255e6d4eba9639d80ee8ed63dbdc6be590b5fd75e29447e | def set_image(self):
'Parses image element and set values'
temp_soup = self.full_soup
for item in temp_soup.findAll('item'):
item.decompose()
image = temp_soup.find('image')
try:
self.image_title = image.find('title').string
except AttributeError:
self.image_title = None
try:
self.image_url = image.find('url').string
except AttributeError:
self.image_url = None
try:
self.image_link = image.find('link').string
except AttributeError:
self.image_link = None
try:
self.image_width = image.find('width').string
except AttributeError:
self.image_width = None
try:
self.image_height = image.find('height').string
except AttributeError:
self.image_height = None | Parses image element and set values | pyPodcastParser/Podcast.py | set_image | nick-symon/pyPodcastParser | 16 | python | def set_image(self):
temp_soup = self.full_soup
for item in temp_soup.findAll('item'):
item.decompose()
image = temp_soup.find('image')
try:
self.image_title = image.find('title').string
except AttributeError:
self.image_title = None
try:
self.image_url = image.find('url').string
except AttributeError:
self.image_url = None
try:
self.image_link = image.find('link').string
except AttributeError:
self.image_link = None
try:
self.image_width = image.find('width').string
except AttributeError:
self.image_width = None
try:
self.image_height = image.find('height').string
except AttributeError:
self.image_height = None | def set_image(self):
temp_soup = self.full_soup
for item in temp_soup.findAll('item'):
item.decompose()
image = temp_soup.find('image')
try:
self.image_title = image.find('title').string
except AttributeError:
self.image_title = None
try:
self.image_url = image.find('url').string
except AttributeError:
self.image_url = None
try:
self.image_link = image.find('link').string
except AttributeError:
self.image_link = None
try:
self.image_width = image.find('width').string
except AttributeError:
self.image_width = None
try:
self.image_height = image.find('height').string
except AttributeError:
self.image_height = None<|docstring|>Parses image element and set values<|endoftext|> |
4da7da491adc7d8a2b18f0f3f473d413edf457ec62b0c7341741d15a16414ea3 | def set_itunes_author_name(self):
'Parses author name from itunes tags and sets value'
try:
self.itunes_author_name = self.soup.find('itunes:author').string
except AttributeError:
self.itunes_author_name = None | Parses author name from itunes tags and sets value | pyPodcastParser/Podcast.py | set_itunes_author_name | nick-symon/pyPodcastParser | 16 | python | def set_itunes_author_name(self):
try:
self.itunes_author_name = self.soup.find('itunes:author').string
except AttributeError:
self.itunes_author_name = None | def set_itunes_author_name(self):
try:
self.itunes_author_name = self.soup.find('itunes:author').string
except AttributeError:
self.itunes_author_name = None<|docstring|>Parses author name from itunes tags and sets value<|endoftext|> |
bb802483450e4a332556ee1abf7dedec2b581a41e0232bb91502a0e76bd2fd61 | def set_itunes_block(self):
'Check and see if podcast is blocked from iTunes and sets value'
try:
block = self.soup.find('itunes:block').string.lower()
except AttributeError:
block = ''
if (block == 'yes'):
self.itunes_block = True
else:
self.itunes_block = False | Check and see if podcast is blocked from iTunes and sets value | pyPodcastParser/Podcast.py | set_itunes_block | nick-symon/pyPodcastParser | 16 | python | def set_itunes_block(self):
try:
block = self.soup.find('itunes:block').string.lower()
except AttributeError:
block =
if (block == 'yes'):
self.itunes_block = True
else:
self.itunes_block = False | def set_itunes_block(self):
try:
block = self.soup.find('itunes:block').string.lower()
except AttributeError:
block =
if (block == 'yes'):
self.itunes_block = True
else:
self.itunes_block = False<|docstring|>Check and see if podcast is blocked from iTunes and sets value<|endoftext|> |
54b6745d3234b41d2400bf3ac488194961bb0616f6617cd88f4a9aa364d55431 | def set_itunes_categories(self):
'Parses and set itunes categories'
self.itunes_categories = []
temp_categories = self.soup.findAll('itunes:category')
for category in temp_categories:
category_text = category.get('text')
self.itunes_categories.append(category_text) | Parses and set itunes categories | pyPodcastParser/Podcast.py | set_itunes_categories | nick-symon/pyPodcastParser | 16 | python | def set_itunes_categories(self):
self.itunes_categories = []
temp_categories = self.soup.findAll('itunes:category')
for category in temp_categories:
category_text = category.get('text')
self.itunes_categories.append(category_text) | def set_itunes_categories(self):
self.itunes_categories = []
temp_categories = self.soup.findAll('itunes:category')
for category in temp_categories:
category_text = category.get('text')
self.itunes_categories.append(category_text)<|docstring|>Parses and set itunes categories<|endoftext|> |
bcb701dbef30554efebe18abaaf45e635b4910a5a6a634ee9232eca726ce3140 | def set_itunes_complete(self):
'Parses complete from itunes tags and sets value'
try:
self.itunes_complete = self.soup.find('itunes:complete').string
self.itunes_complete = self.itunes_complete.lower()
except AttributeError:
self.itunes_complete = None | Parses complete from itunes tags and sets value | pyPodcastParser/Podcast.py | set_itunes_complete | nick-symon/pyPodcastParser | 16 | python | def set_itunes_complete(self):
try:
self.itunes_complete = self.soup.find('itunes:complete').string
self.itunes_complete = self.itunes_complete.lower()
except AttributeError:
self.itunes_complete = None | def set_itunes_complete(self):
try:
self.itunes_complete = self.soup.find('itunes:complete').string
self.itunes_complete = self.itunes_complete.lower()
except AttributeError:
self.itunes_complete = None<|docstring|>Parses complete from itunes tags and sets value<|endoftext|> |
177e7003da430d0817483ac991a45299924c406fafeb1613b2c3cfb21f72665e | def set_itunes_explicit(self):
'Parses explicit from itunes tags and sets value'
try:
self.itunes_explicit = self.soup.find('itunes:explicit').string
self.itunes_explicit = self.itunes_explicit.lower()
except AttributeError:
self.itunes_explicit = None | Parses explicit from itunes tags and sets value | pyPodcastParser/Podcast.py | set_itunes_explicit | nick-symon/pyPodcastParser | 16 | python | def set_itunes_explicit(self):
try:
self.itunes_explicit = self.soup.find('itunes:explicit').string
self.itunes_explicit = self.itunes_explicit.lower()
except AttributeError:
self.itunes_explicit = None | def set_itunes_explicit(self):
try:
self.itunes_explicit = self.soup.find('itunes:explicit').string
self.itunes_explicit = self.itunes_explicit.lower()
except AttributeError:
self.itunes_explicit = None<|docstring|>Parses explicit from itunes tags and sets value<|endoftext|> |
2ea303c66e0395ac21c8d7365e340e5ebf59b52de538aa7fd8943fed23d11398 | def set_itune_image(self):
'Parses itunes images and set url as value'
try:
self.itune_image = self.soup.find('itunes:image').get('href')
except AttributeError:
self.itune_image = None | Parses itunes images and set url as value | pyPodcastParser/Podcast.py | set_itune_image | nick-symon/pyPodcastParser | 16 | python | def set_itune_image(self):
try:
self.itune_image = self.soup.find('itunes:image').get('href')
except AttributeError:
self.itune_image = None | def set_itune_image(self):
try:
self.itune_image = self.soup.find('itunes:image').get('href')
except AttributeError:
self.itune_image = None<|docstring|>Parses itunes images and set url as value<|endoftext|> |
4d9108f268fd5503a524e845035a590f0ec977af4d2345e6c0d9962e7041af1a | def set_itunes_keywords(self):
'Parses itunes keywords and set value'
try:
keywords = self.soup.find('itunes:keywords').string
except AttributeError:
keywords = None
try:
self.itunes_keywords = [keyword.strip() for keyword in keywords.split(',')]
self.itunes_keywords = list(set(self.itunes_keywords))
except AttributeError:
self.itunes_keywords = [] | Parses itunes keywords and set value | pyPodcastParser/Podcast.py | set_itunes_keywords | nick-symon/pyPodcastParser | 16 | python | def set_itunes_keywords(self):
try:
keywords = self.soup.find('itunes:keywords').string
except AttributeError:
keywords = None
try:
self.itunes_keywords = [keyword.strip() for keyword in keywords.split(',')]
self.itunes_keywords = list(set(self.itunes_keywords))
except AttributeError:
self.itunes_keywords = [] | def set_itunes_keywords(self):
try:
keywords = self.soup.find('itunes:keywords').string
except AttributeError:
keywords = None
try:
self.itunes_keywords = [keyword.strip() for keyword in keywords.split(',')]
self.itunes_keywords = list(set(self.itunes_keywords))
except AttributeError:
self.itunes_keywords = []<|docstring|>Parses itunes keywords and set value<|endoftext|> |
236b269b79906f14bdbbb3a1b92966653520ca7b175fc8bdb27553fa021e4955 | def set_itunes_new_feed_url(self):
'Parses new feed url from itunes tags and sets value'
try:
self.itunes_new_feed_url = self.soup.find('itunes:new-feed-url').string
except AttributeError:
self.itunes_new_feed_url = None | Parses new feed url from itunes tags and sets value | pyPodcastParser/Podcast.py | set_itunes_new_feed_url | nick-symon/pyPodcastParser | 16 | python | def set_itunes_new_feed_url(self):
try:
self.itunes_new_feed_url = self.soup.find('itunes:new-feed-url').string
except AttributeError:
self.itunes_new_feed_url = None | def set_itunes_new_feed_url(self):
try:
self.itunes_new_feed_url = self.soup.find('itunes:new-feed-url').string
except AttributeError:
self.itunes_new_feed_url = None<|docstring|>Parses new feed url from itunes tags and sets value<|endoftext|> |
fbc3cfadeb855a821536a030f5d694fd67460806dddb74d58c37acee79d2e393 | def set_language(self):
'Parses feed language and set value'
try:
self.language = self.soup.find('language').string
except AttributeError:
self.language = None | Parses feed language and set value | pyPodcastParser/Podcast.py | set_language | nick-symon/pyPodcastParser | 16 | python | def set_language(self):
try:
self.language = self.soup.find('language').string
except AttributeError:
self.language = None | def set_language(self):
try:
self.language = self.soup.find('language').string
except AttributeError:
self.language = None<|docstring|>Parses feed language and set value<|endoftext|> |
11438837642f6f057978bc38e354af3c863b5103f5f36cab41be344301b74ea2 | def set_last_build_date(self):
'Parses last build date and set value'
try:
self.last_build_date = self.soup.find('lastbuilddate').string
except AttributeError:
self.last_build_date = None | Parses last build date and set value | pyPodcastParser/Podcast.py | set_last_build_date | nick-symon/pyPodcastParser | 16 | python | def set_last_build_date(self):
try:
self.last_build_date = self.soup.find('lastbuilddate').string
except AttributeError:
self.last_build_date = None | def set_last_build_date(self):
try:
self.last_build_date = self.soup.find('lastbuilddate').string
except AttributeError:
self.last_build_date = None<|docstring|>Parses last build date and set value<|endoftext|> |
24a993000d907be92183a3a0fb65da023670b9d1ee96b710ec690cd6c58fce55 | def set_link(self):
'Parses link to homepage and set value'
try:
self.link = self.soup.find('link').string
except AttributeError:
self.link = None | Parses link to homepage and set value | pyPodcastParser/Podcast.py | set_link | nick-symon/pyPodcastParser | 16 | python | def set_link(self):
try:
self.link = self.soup.find('link').string
except AttributeError:
self.link = None | def set_link(self):
try:
self.link = self.soup.find('link').string
except AttributeError:
self.link = None<|docstring|>Parses link to homepage and set value<|endoftext|> |
d8843e22454b5ed1c117011018c16ed58bcb02b279a589b3ede87950f6b31bc7 | def set_managing_editor(self):
'Parses managing editor and set value'
try:
self.managing_editor = self.soup.find('managingeditor').string
except AttributeError:
self.managing_editor = None | Parses managing editor and set value | pyPodcastParser/Podcast.py | set_managing_editor | nick-symon/pyPodcastParser | 16 | python | def set_managing_editor(self):
try:
self.managing_editor = self.soup.find('managingeditor').string
except AttributeError:
self.managing_editor = None | def set_managing_editor(self):
try:
self.managing_editor = self.soup.find('managingeditor').string
except AttributeError:
self.managing_editor = None<|docstring|>Parses managing editor and set value<|endoftext|> |
f3537b888662594612921e1a56aa1a532aab4e2212503d7ed73d345f9ae32014 | def set_published_date(self):
'Parses published date and set value'
try:
self.published_date = self.soup.find('pubdate').string
except AttributeError:
self.published_date = None | Parses published date and set value | pyPodcastParser/Podcast.py | set_published_date | nick-symon/pyPodcastParser | 16 | python | def set_published_date(self):
try:
self.published_date = self.soup.find('pubdate').string
except AttributeError:
self.published_date = None | def set_published_date(self):
try:
self.published_date = self.soup.find('pubdate').string
except AttributeError:
self.published_date = None<|docstring|>Parses published date and set value<|endoftext|> |
7835b490050ea545cf8d5bd8c5b4a03276c269d6fbdd2ae89967aa286d4cf2d2 | def set_pubsubhubbub(self):
'Parses pubsubhubbub and email then sets value'
self.pubsubhubbub = None
atom_links = self.soup.findAll('atom:link')
for atom_link in atom_links:
rel = atom_link.get('rel')
if (rel == 'hub'):
self.pubsubhubbub = atom_link.get('href') | Parses pubsubhubbub and email then sets value | pyPodcastParser/Podcast.py | set_pubsubhubbub | nick-symon/pyPodcastParser | 16 | python | def set_pubsubhubbub(self):
self.pubsubhubbub = None
atom_links = self.soup.findAll('atom:link')
for atom_link in atom_links:
rel = atom_link.get('rel')
if (rel == 'hub'):
self.pubsubhubbub = atom_link.get('href') | def set_pubsubhubbub(self):
self.pubsubhubbub = None
atom_links = self.soup.findAll('atom:link')
for atom_link in atom_links:
rel = atom_link.get('rel')
if (rel == 'hub'):
self.pubsubhubbub = atom_link.get('href')<|docstring|>Parses pubsubhubbub and email then sets value<|endoftext|> |
7270e7f5c2b97b1949795a8c901e1fc2757d878ff9b4330e0958022ef5198bfb | def set_owner(self):
'Parses owner name and email then sets value'
owner = self.soup.find('itunes:owner')
try:
self.owner_name = owner.find('itunes:name').string
except AttributeError:
self.owner_name = None
try:
self.owner_email = owner.find('itunes:email').string
except AttributeError:
self.owner_email = None | Parses owner name and email then sets value | pyPodcastParser/Podcast.py | set_owner | nick-symon/pyPodcastParser | 16 | python | def set_owner(self):
owner = self.soup.find('itunes:owner')
try:
self.owner_name = owner.find('itunes:name').string
except AttributeError:
self.owner_name = None
try:
self.owner_email = owner.find('itunes:email').string
except AttributeError:
self.owner_email = None | def set_owner(self):
owner = self.soup.find('itunes:owner')
try:
self.owner_name = owner.find('itunes:name').string
except AttributeError:
self.owner_name = None
try:
self.owner_email = owner.find('itunes:email').string
except AttributeError:
self.owner_email = None<|docstring|>Parses owner name and email then sets value<|endoftext|> |
2f8d0a1a8518b6889ef769f6a079859c7a8361afb1e885ce439ca8ca0387518c | def set_subtitle(self):
'Parses subtitle and sets value'
try:
self.subtitle = self.soup.find('itunes:subtitle').string
except AttributeError:
self.subtitle = None | Parses subtitle and sets value | pyPodcastParser/Podcast.py | set_subtitle | nick-symon/pyPodcastParser | 16 | python | def set_subtitle(self):
try:
self.subtitle = self.soup.find('itunes:subtitle').string
except AttributeError:
self.subtitle = None | def set_subtitle(self):
try:
self.subtitle = self.soup.find('itunes:subtitle').string
except AttributeError:
self.subtitle = None<|docstring|>Parses subtitle and sets value<|endoftext|> |
42d229ae115de731367db4a0aed9a3cbae0e7aac62410a97a402cf80332bc62e | def set_summary(self):
'Parses summary and set value'
try:
self.summary = self.soup.find('itunes:summary').string
except AttributeError:
self.summary = None | Parses summary and set value | pyPodcastParser/Podcast.py | set_summary | nick-symon/pyPodcastParser | 16 | python | def set_summary(self):
try:
self.summary = self.soup.find('itunes:summary').string
except AttributeError:
self.summary = None | def set_summary(self):
try:
self.summary = self.soup.find('itunes:summary').string
except AttributeError:
self.summary = None<|docstring|>Parses summary and set value<|endoftext|> |
3f930183a35867a2e22b9867c201758c0956878132653fc829287c4af20896b0 | def set_title(self):
'Parses title and set value'
try:
self.title = self.soup.title.string
except AttributeError:
self.title = None | Parses title and set value | pyPodcastParser/Podcast.py | set_title | nick-symon/pyPodcastParser | 16 | python | def set_title(self):
try:
self.title = self.soup.title.string
except AttributeError:
self.title = None | def set_title(self):
try:
self.title = self.soup.title.string
except AttributeError:
self.title = None<|docstring|>Parses title and set value<|endoftext|> |
888919ab5c86556ef12b62f60644b5f2fba9785feeeb1be9f90c39fb2e76ec95 | def set_ttl(self):
'Parses summary and set value'
try:
self.ttl = self.soup.find('ttl').string
except AttributeError:
self.ttl = None | Parses summary and set value | pyPodcastParser/Podcast.py | set_ttl | nick-symon/pyPodcastParser | 16 | python | def set_ttl(self):
try:
self.ttl = self.soup.find('ttl').string
except AttributeError:
self.ttl = None | def set_ttl(self):
try:
self.ttl = self.soup.find('ttl').string
except AttributeError:
self.ttl = None<|docstring|>Parses summary and set value<|endoftext|> |
afd966b08f081e0d425108463abe6baae11292beda16c293e3b0ea13303d56e5 | def set_web_master(self):
"Parses the feed's webmaster and sets value"
try:
self.web_master = self.soup.find('webmaster').string
except AttributeError:
self.web_master = None | Parses the feed's webmaster and sets value | pyPodcastParser/Podcast.py | set_web_master | nick-symon/pyPodcastParser | 16 | python | def set_web_master(self):
try:
self.web_master = self.soup.find('webmaster').string
except AttributeError:
self.web_master = None | def set_web_master(self):
try:
self.web_master = self.soup.find('webmaster').string
except AttributeError:
self.web_master = None<|docstring|>Parses the feed's webmaster and sets value<|endoftext|> |
232a39dfed2262d2d7b98f2a03fdd01816463c9a5eefb95ddaedea905258bc5c | @IPython.core.magic.register_line_cell_magic
def ml(line, cell=None):
'Implements the datalab cell magic for MLWorkbench operations.\n\n Args:\n line: the contents of the ml command line.\n Returns:\n The results of executing the cell.\n '
parser = google.datalab.utils.commands.CommandParser(prog='%ml', description=textwrap.dedent(' Execute MLWorkbench operations\n\n Use "%ml <command> -h" for help on a specific command.\n '))
dataset_parser = parser.subcommand('dataset', formatter_class=argparse.RawTextHelpFormatter, help='Create or explore datasets.')
dataset_sub_commands = dataset_parser.add_subparsers(dest='command')
dataset_create_parser = dataset_sub_commands.add_parser('create', help='Create datasets', formatter_class=argparse.RawTextHelpFormatter, epilog=textwrap.dedent(' Example usage:\n\n %%ml dataset\n name: mydata\n format: csv\n train: path/to/train.csv\n eval: path/to/eval.csv\n schema:\n - name: news_label\n type: STRING\n - name: text\n type: STRING'))
dataset_create_parser.add_argument('--name', required=True, help='the name of the dataset to define. ')
dataset_create_parser.add_argument('--format', required=True, choices=['csv', 'bigquery', 'transformed'], help='The format of the data.')
dataset_create_parser.add_argument('--train', required=True, help=(('The path of the training file pattern if format ' + 'is csv or transformed, or table name if format ') + 'is bigquery.'))
dataset_create_parser.add_argument('--eval', required=True, help=(('The path of the eval file pattern if format ' + 'is csv or transformed, or table name if format ') + 'is bigquery.'))
dataset_create_parser.add_cell_argument('schema', help=('yaml representation of CSV schema, or path to ' + 'schema file. Only needed if format is csv.'))
dataset_create_parser.set_defaults(func=_dataset_create)
dataset_explore_parser = dataset_sub_commands.add_parser('explore', help='Explore training data.')
dataset_explore_parser.add_argument('--name', required=True, help='The name of the dataset to explore.')
dataset_explore_parser.add_argument('--overview', action='store_true', default=False, help=('Plot overview of sampled data. Set "sample_size" ' + 'to change the default sample size.'))
dataset_explore_parser.add_argument('--facets', action='store_true', default=False, help=('Plot facets view of sampled data. Set ' + '"sample_size" to change the default sample size.'))
dataset_explore_parser.add_argument('--sample_size', type=int, default=1000, help=('sample size for overview or facets view. Only ' + 'used if either --overview or --facets is set.'))
dataset_explore_parser.set_defaults(func=_dataset_explore)
analyze_parser = parser.subcommand('analyze', formatter_class=argparse.RawTextHelpFormatter, help='Analyze training data and generate stats, such as min/max/mean for numeric values, vocabulary for text columns.', epilog=textwrap.dedent(' Example usage:\n\n %%ml analyze [--cloud]\n output: path/to/dir\n data: $mydataset\n features:\n serialId:\n transform: key\n num1:\n transform: scale\n value: 1\n num2:\n transform: identity\n text1:\n transform: bag_of_words\n\n Also supports in-notebook variables, such as:\n %%ml analyze --output path/to/dir\n training_data: $my_csv_dataset\n features: $features_def'))
analyze_parser.add_argument('--output', required=True, help='path of output directory.')
analyze_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run analysis in cloud or local.')
analyze_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
analyze_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
analyze_parser.add_cell_argument('features', required=True, help=textwrap.dedent(' features config indicating how to transform data into features. The\n list of supported transforms:\n "transform: identity"\n does nothing (for numerical columns).\n "transform: scale\n value: x"\n scale a numerical column to [-a, a]. If value is missing, x\n defaults to 1.\n "transform: one_hot"\n treats the string column as categorical and makes one-hot\n encoding of it.\n "transform: embedding\n embedding_dim: d"\n treats the string column as categorical and makes embeddings of\n it with specified dimension size.\n "transform: bag_of_words"\n treats the string column as text and make bag of words\n transform of it.\n "transform: tfidf"\n treats the string column as text and make TFIDF transform of it.\n "transform: image_to_vec\n checkpoint: gs://b/o"\n from image gs url to embeddings. "checkpoint" is a inception v3\n checkpoint. If absent, a default checkpoint is used.\n "transform: target"\n denotes the column is the target. If the schema type of this\n column is string, a one_hot encoding is automatically applied.\n If numerical, an identity transform is automatically applied.\n "transform: key"\n column contains metadata-like information and will be output\n as-is in prediction.'))
analyze_parser.set_defaults(func=_analyze)
transform_parser = parser.subcommand('transform', formatter_class=argparse.RawTextHelpFormatter, help='Transform the data into tf.example which is more efficient in training.', epilog=textwrap.dedent(' Example usage:\n\n %%ml transform [--cloud] [--shuffle]\n analysis: path/to/analysis_output_folder\n output: path/to/dir\n batch_size: 100\n data: $mydataset\n cloud:\n num_workers: 3\n worker_machine_type: n1-standard-1\n project_id: my_project_id'))
transform_parser.add_argument('--analysis', required=True, help='path of analysis output directory.')
transform_parser.add_argument('--output', required=True, help='path of output directory.')
transform_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run transform in cloud or local.')
transform_parser.add_argument('--shuffle', action='store_true', default=False, help='whether to shuffle the training data in output.')
transform_parser.add_argument('--batch_size', type=int, default=100, help='number of instances in a batch to process once. Larger batch is more efficient but may consume more memory.')
transform_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
transform_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
transform_parser.add_cell_argument('cloud_config', help=textwrap.dedent(" A dictionary of cloud config. All of them are optional.\n num_workers: Dataflow number of workers. If not set, DataFlow\n service will determine the number.\n worker_machine_type: a machine name from\n https://cloud.google.com/compute/docs/machine-types\n If not given, the service uses the default machine type.\n project_id: id of the project to use for DataFlow service. If not set,\n Datalab's default project (set by %%datalab project set) is used.\n job_name: Unique name for a Dataflow job to use. If not set, a\n random name will be used."))
transform_parser.set_defaults(func=_transform)
train_parser = parser.subcommand('train', formatter_class=argparse.RawTextHelpFormatter, help='Train a model.', epilog=textwrap.dedent(' Example usage:\n\n %%ml train [--cloud]\n analysis: path/to/analysis_output\n output: path/to/dir\n data: $mydataset\n model_args:\n model: linear_regression\n cloud_config:\n region: us-central1'))
train_parser.add_argument('--analysis', required=True, help='path of analysis output directory.')
train_parser.add_argument('--output', required=True, help='path of trained model directory.')
train_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run training in cloud or local.')
train_parser.add_argument('--notb', action='store_true', default=False, help='If set, tensorboard is not automatically started.')
train_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
train_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
package_model_help = subprocess.Popen(['python', '-m', 'trainer.task', '--datalab-help'], cwd=DEFAULT_PACKAGE_PATH, stdout=subprocess.PIPE).communicate()[0]
package_model_help = ('model_args: a dictionary of model specific args, including:\n\n' + package_model_help.decode())
train_parser.add_cell_argument('model_args', help=package_model_help)
train_parser.add_cell_argument('cloud_config', help=textwrap.dedent(' A dictionary of cloud training config, including:\n job_id: the name of the job. If not provided, a default job name is created.\n region: see {url}\n runtime_version: see "region". Must be a string like \'1.2\'.\n scale_tier: see "region".'.format(url='https://cloud.google.com/sdk/gcloud/reference/ml-engine/jobs/submit/training')))
train_parser.set_defaults(func=_train)
predict_parser = parser.subcommand('predict', formatter_class=argparse.RawTextHelpFormatter, help='Predict with local or deployed models. (Good for small datasets).', epilog=textwrap.dedent(" Example usage:\n\n %%ml predict\n headers: key,num\n model: path/to/model\n data:\n - key1,value1\n - key2,value2\n\n Or, in another cell, define a list of dict:\n\n my_data = [{'key': 1, 'num': 1.2}, {'key': 2, 'num': 2.8}]\n\n Then:\n\n %%ml predict\n headers: key,num\n model: path/to/model\n data: $my_data"))
predict_parser.add_argument('--model', required=True, help='The model path.')
predict_parser.add_argument('--no_show_image', action='store_true', default=False, help='If not set, add a column of images in output.')
predict_parser.add_cell_argument('data', required=True, help=textwrap.dedent(' Prediction data can be\n 1) CSV lines in the input cell in yaml format or\n 2) a local variable which is one of\n a) list of dict\n b) list of strings of csv lines\n c) a Pandas DataFrame'))
predict_parser.set_defaults(func=_predict)
batch_predict_parser = parser.subcommand('batch_predict', formatter_class=argparse.RawTextHelpFormatter, help='Batch prediction with local or deployed models. (Good for large datasets)', epilog=textwrap.dedent('\n Example usage:\n\n %%ml batch_predict [--cloud]\n model: path/to/model\n output: path/to/output\n format: csv\n data:\n csv: path/to/file_pattern'))
batch_predict_parser.add_argument('--model', required=True, help='The model path if not --cloud, or the id in the form of model.version if --cloud.')
batch_predict_parser.add_argument('--output', required=True, help='The path of output directory with prediction results. If --cloud, it has to be GCS path.')
batch_predict_parser.add_argument('--format', help='csv or json. For cloud run, the only supported format is json.')
batch_predict_parser.add_argument('--batch_size', type=int, default=100, help='number of instances in a batch to process once. Larger batch is more efficient but may consume more memory. Only used in local run.')
batch_predict_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run prediction in cloud or local.')
batch_predict_parser.add_cell_argument('data', required=True, help='Data to predict with. Only csv is supported.')
batch_predict_parser.add_cell_argument('cloud_config', help=textwrap.dedent(' A dictionary of cloud batch prediction config.\n job_id: the name of the job. If not provided, a default job name is created.\n region: see {url}\n max_worker_count: see reference in "region".'.format(url='https://cloud.google.com/sdk/gcloud/reference/ml-engine/jobs/submit/prediction')))
batch_predict_parser.set_defaults(func=_batch_predict)
explain_parser = parser.subcommand('explain', formatter_class=argparse.RawTextHelpFormatter, help='Explain a prediction with LIME tool.')
explain_parser.add_argument('--type', default='all', choices=['text', 'image', 'tabular', 'all'], help='the type of column to explain.')
explain_parser.add_argument('--algorithm', choices=['lime', 'ig'], default='lime', help=(('"lime" is the open sourced project for prediction explainer.' + '"ig" means integrated gradients and currently only applies ') + 'to image.'))
explain_parser.add_argument('--model', required=True, help='path of the model directory used for prediction.')
explain_parser.add_argument('--labels', required=True, help='comma separated labels to explain.')
explain_parser.add_argument('--column_name', help=(('the name of the column to explain. Optional if text type ' + 'and there is only one text column, or image type and ') + 'there is only one image column.'))
explain_parser.add_cell_argument('data', required=True, help='Prediction Data. Can be a csv line, or a dict.')
explain_parser.add_cell_argument('training_data', help=((('A csv or bigquery dataset defined by %%ml dataset. ' + 'Used by tabular explainer only to determine the ') + 'distribution of numeric and categorical values. ') + 'Suggest using original training dataset.'))
explain_parser.add_argument('--num_features', type=int, help=('number of features to analyze. In text, it is number of ' + 'words. In image, it is number of areas. For lime only.'))
explain_parser.add_argument('--num_samples', type=int, help=('size of the neighborhood to learn the linear model. ' + 'For lime only.'))
explain_parser.add_argument('--hide_color', type=int, default=0, help=('the color to use for perturbed area. If -1, average of ' + 'each channel is used for each channel. For image only.'))
explain_parser.add_argument('--include_negative', action='store_true', default=False, help='whether to show only positive areas. For lime image only.')
explain_parser.add_argument('--overview', action='store_true', default=False, help=('whether to show overview instead of details view.' + 'For lime text and tabular only.'))
explain_parser.add_argument('--batch_size', type=int, default=100, help='size of batches passed to prediction. For lime only.')
explain_parser.add_argument('--num_gradients', type=int, default=50, help=('the number of scaled images to get gradients from. Larger ' + 'number usually produces better results but slower.'))
explain_parser.add_argument('--percent_show', type=int, default=10, help='the percentage of top impactful pixels to show.')
explain_parser.set_defaults(func=_explain)
tensorboard_parser = parser.subcommand('tensorboard', formatter_class=argparse.RawTextHelpFormatter, help='Start/stop/list TensorBoard instances.')
tensorboard_sub_commands = tensorboard_parser.add_subparsers(dest='command')
tensorboard_start_parser = tensorboard_sub_commands.add_parser('start', help='Start a tensorboard instance.')
tensorboard_start_parser.add_argument('--logdir', required=True, help='The local or GCS logdir path.')
tensorboard_start_parser.set_defaults(func=_tensorboard_start)
tensorboard_stop_parser = tensorboard_sub_commands.add_parser('stop', help='Stop a tensorboard instance.')
tensorboard_stop_parser.add_argument('--pid', required=True, type=int, help='The pid of the tensorboard instance.')
tensorboard_stop_parser.set_defaults(func=_tensorboard_stop)
tensorboard_list_parser = tensorboard_sub_commands.add_parser('list', help='List tensorboard instances.')
tensorboard_list_parser.set_defaults(func=_tensorboard_list)
evaluate_parser = parser.subcommand('evaluate', formatter_class=argparse.RawTextHelpFormatter, help='Analyze model evaluation results, such as confusion matrix, ROC, RMSE.')
evaluate_sub_commands = evaluate_parser.add_subparsers(dest='command')
def _add_data_params_for_evaluate(parser):
parser.add_argument('--csv', help='csv file path patterns.')
parser.add_argument('--headers', help=('csv file headers. Required if csv is specified and ' + 'predict_results_schema.json does not exist in the same directory.'))
parser.add_argument('--bigquery', help=('can be bigquery table, query as a string, or ' + 'a pre-defined query (%%bq query --name).'))
evaluate_cm_parser = evaluate_sub_commands.add_parser('confusion_matrix', help='Get confusion matrix from evaluation results.')
_add_data_params_for_evaluate(evaluate_cm_parser)
evaluate_cm_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot confusion matrix as graph.')
evaluate_cm_parser.add_argument('--size', type=int, default=10, help='The size of the confusion matrix.')
evaluate_cm_parser.set_defaults(func=_evaluate_cm)
evaluate_accuracy_parser = evaluate_sub_commands.add_parser('accuracy', help='Get accuracy results from classification evaluation results.')
_add_data_params_for_evaluate(evaluate_accuracy_parser)
evaluate_accuracy_parser.set_defaults(func=_evaluate_accuracy)
evaluate_pr_parser = evaluate_sub_commands.add_parser('precision_recall', help='Get precision recall metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_pr_parser)
evaluate_pr_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot precision recall as graph.')
evaluate_pr_parser.add_argument('--num_thresholds', type=int, default=20, help=('Number of thresholds which determines how many ' + 'points in the graph.'))
evaluate_pr_parser.add_argument('--target_class', required=True, help=('The target class to determine correctness of ' + 'a prediction.'))
evaluate_pr_parser.add_argument('--probability_column', help=(('The name of the column holding the probability ' + 'value of the target class. If absent, the value ') + 'of target class is used.'))
evaluate_pr_parser.set_defaults(func=_evaluate_pr)
evaluate_roc_parser = evaluate_sub_commands.add_parser('roc', help='Get ROC metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_roc_parser)
evaluate_roc_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot ROC as graph.')
evaluate_roc_parser.add_argument('--num_thresholds', type=int, default=20, help=('Number of thresholds which determines how many ' + 'points in the graph.'))
evaluate_roc_parser.add_argument('--target_class', required=True, help=('The target class to determine correctness of ' + 'a prediction.'))
evaluate_roc_parser.add_argument('--probability_column', help=(('The name of the column holding the probability ' + 'value of the target class. If absent, the value ') + 'of target class is used.'))
evaluate_roc_parser.set_defaults(func=_evaluate_roc)
evaluate_regression_parser = evaluate_sub_commands.add_parser('regression', help='Get regression metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_regression_parser)
evaluate_regression_parser.set_defaults(func=_evaluate_regression)
model_parser = parser.subcommand('model', help='Models and versions management such as deployment, deletion, listing.')
model_sub_commands = model_parser.add_subparsers(dest='command')
model_list_parser = model_sub_commands.add_parser('list', help='List models and versions.')
model_list_parser.add_argument('--name', help=(('If absent, list all models of specified or current ' + 'project. If provided, list all versions of the ') + 'model.'))
model_list_parser.add_argument('--project', help=('The project to list model(s) or version(s). If absent, ' + "use Datalab's default project."))
model_list_parser.set_defaults(func=_model_list)
model_delete_parser = model_sub_commands.add_parser('delete', help='Delete models or versions.')
model_delete_parser.add_argument('--name', required=True, help=(('If no "." in the name, try deleting the specified ' + 'model. If "model.version" is provided, try deleting ') + 'the specified version.'))
model_delete_parser.add_argument('--project', help=('The project to delete model or version. If absent, ' + "use Datalab's default project."))
model_delete_parser.set_defaults(func=_model_delete)
model_deploy_parser = model_sub_commands.add_parser('deploy', help='Deploy a model version.')
model_deploy_parser.add_argument('--name', required=True, help=('Must be model.version to indicate the model ' + 'and version name to deploy.'))
model_deploy_parser.add_argument('--path', required=True, help='The GCS path of the model to be deployed.')
model_deploy_parser.add_argument('--runtime_version', help=(('The TensorFlow version to use for this model. ' + 'For example, "1.2.1". If absent, the current ') + 'TensorFlow version installed in Datalab will be used.'))
model_deploy_parser.add_argument('--project', help=('The project to deploy a model version. If absent, ' + "use Datalab's default project."))
model_deploy_parser.set_defaults(func=_model_deploy)
return google.datalab.utils.commands.handle_magic_line(line, cell, parser) | Implements the datalab cell magic for MLWorkbench operations.
Args:
line: the contents of the ml command line.
Returns:
The results of executing the cell. | google/datalab/contrib/mlworkbench/commands/_ml.py | ml | alienczf/pydatalab | 198 | python | @IPython.core.magic.register_line_cell_magic
def ml(line, cell=None):
'Implements the datalab cell magic for MLWorkbench operations.\n\n Args:\n line: the contents of the ml command line.\n Returns:\n The results of executing the cell.\n '
parser = google.datalab.utils.commands.CommandParser(prog='%ml', description=textwrap.dedent(' Execute MLWorkbench operations\n\n Use "%ml <command> -h" for help on a specific command.\n '))
dataset_parser = parser.subcommand('dataset', formatter_class=argparse.RawTextHelpFormatter, help='Create or explore datasets.')
dataset_sub_commands = dataset_parser.add_subparsers(dest='command')
dataset_create_parser = dataset_sub_commands.add_parser('create', help='Create datasets', formatter_class=argparse.RawTextHelpFormatter, epilog=textwrap.dedent(' Example usage:\n\n %%ml dataset\n name: mydata\n format: csv\n train: path/to/train.csv\n eval: path/to/eval.csv\n schema:\n - name: news_label\n type: STRING\n - name: text\n type: STRING'))
dataset_create_parser.add_argument('--name', required=True, help='the name of the dataset to define. ')
dataset_create_parser.add_argument('--format', required=True, choices=['csv', 'bigquery', 'transformed'], help='The format of the data.')
dataset_create_parser.add_argument('--train', required=True, help=(('The path of the training file pattern if format ' + 'is csv or transformed, or table name if format ') + 'is bigquery.'))
dataset_create_parser.add_argument('--eval', required=True, help=(('The path of the eval file pattern if format ' + 'is csv or transformed, or table name if format ') + 'is bigquery.'))
dataset_create_parser.add_cell_argument('schema', help=('yaml representation of CSV schema, or path to ' + 'schema file. Only needed if format is csv.'))
dataset_create_parser.set_defaults(func=_dataset_create)
dataset_explore_parser = dataset_sub_commands.add_parser('explore', help='Explore training data.')
dataset_explore_parser.add_argument('--name', required=True, help='The name of the dataset to explore.')
dataset_explore_parser.add_argument('--overview', action='store_true', default=False, help=('Plot overview of sampled data. Set "sample_size" ' + 'to change the default sample size.'))
dataset_explore_parser.add_argument('--facets', action='store_true', default=False, help=('Plot facets view of sampled data. Set ' + '"sample_size" to change the default sample size.'))
dataset_explore_parser.add_argument('--sample_size', type=int, default=1000, help=('sample size for overview or facets view. Only ' + 'used if either --overview or --facets is set.'))
dataset_explore_parser.set_defaults(func=_dataset_explore)
analyze_parser = parser.subcommand('analyze', formatter_class=argparse.RawTextHelpFormatter, help='Analyze training data and generate stats, such as min/max/mean for numeric values, vocabulary for text columns.', epilog=textwrap.dedent(' Example usage:\n\n %%ml analyze [--cloud]\n output: path/to/dir\n data: $mydataset\n features:\n serialId:\n transform: key\n num1:\n transform: scale\n value: 1\n num2:\n transform: identity\n text1:\n transform: bag_of_words\n\n Also supports in-notebook variables, such as:\n %%ml analyze --output path/to/dir\n training_data: $my_csv_dataset\n features: $features_def'))
analyze_parser.add_argument('--output', required=True, help='path of output directory.')
analyze_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run analysis in cloud or local.')
analyze_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
analyze_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
analyze_parser.add_cell_argument('features', required=True, help=textwrap.dedent(' features config indicating how to transform data into features. The\n list of supported transforms:\n "transform: identity"\n does nothing (for numerical columns).\n "transform: scale\n value: x"\n scale a numerical column to [-a, a]. If value is missing, x\n defaults to 1.\n "transform: one_hot"\n treats the string column as categorical and makes one-hot\n encoding of it.\n "transform: embedding\n embedding_dim: d"\n treats the string column as categorical and makes embeddings of\n it with specified dimension size.\n "transform: bag_of_words"\n treats the string column as text and make bag of words\n transform of it.\n "transform: tfidf"\n treats the string column as text and make TFIDF transform of it.\n "transform: image_to_vec\n checkpoint: gs://b/o"\n from image gs url to embeddings. "checkpoint" is a inception v3\n checkpoint. If absent, a default checkpoint is used.\n "transform: target"\n denotes the column is the target. If the schema type of this\n column is string, a one_hot encoding is automatically applied.\n If numerical, an identity transform is automatically applied.\n "transform: key"\n column contains metadata-like information and will be output\n as-is in prediction.'))
analyze_parser.set_defaults(func=_analyze)
transform_parser = parser.subcommand('transform', formatter_class=argparse.RawTextHelpFormatter, help='Transform the data into tf.example which is more efficient in training.', epilog=textwrap.dedent(' Example usage:\n\n %%ml transform [--cloud] [--shuffle]\n analysis: path/to/analysis_output_folder\n output: path/to/dir\n batch_size: 100\n data: $mydataset\n cloud:\n num_workers: 3\n worker_machine_type: n1-standard-1\n project_id: my_project_id'))
transform_parser.add_argument('--analysis', required=True, help='path of analysis output directory.')
transform_parser.add_argument('--output', required=True, help='path of output directory.')
transform_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run transform in cloud or local.')
transform_parser.add_argument('--shuffle', action='store_true', default=False, help='whether to shuffle the training data in output.')
transform_parser.add_argument('--batch_size', type=int, default=100, help='number of instances in a batch to process once. Larger batch is more efficient but may consume more memory.')
transform_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
transform_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
transform_parser.add_cell_argument('cloud_config', help=textwrap.dedent(" A dictionary of cloud config. All of them are optional.\n num_workers: Dataflow number of workers. If not set, DataFlow\n service will determine the number.\n worker_machine_type: a machine name from\n https://cloud.google.com/compute/docs/machine-types\n If not given, the service uses the default machine type.\n project_id: id of the project to use for DataFlow service. If not set,\n Datalab's default project (set by %%datalab project set) is used.\n job_name: Unique name for a Dataflow job to use. If not set, a\n random name will be used."))
transform_parser.set_defaults(func=_transform)
train_parser = parser.subcommand('train', formatter_class=argparse.RawTextHelpFormatter, help='Train a model.', epilog=textwrap.dedent(' Example usage:\n\n %%ml train [--cloud]\n analysis: path/to/analysis_output\n output: path/to/dir\n data: $mydataset\n model_args:\n model: linear_regression\n cloud_config:\n region: us-central1'))
train_parser.add_argument('--analysis', required=True, help='path of analysis output directory.')
train_parser.add_argument('--output', required=True, help='path of trained model directory.')
train_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run training in cloud or local.')
train_parser.add_argument('--notb', action='store_true', default=False, help='If set, tensorboard is not automatically started.')
train_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
train_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
package_model_help = subprocess.Popen(['python', '-m', 'trainer.task', '--datalab-help'], cwd=DEFAULT_PACKAGE_PATH, stdout=subprocess.PIPE).communicate()[0]
package_model_help = ('model_args: a dictionary of model specific args, including:\n\n' + package_model_help.decode())
train_parser.add_cell_argument('model_args', help=package_model_help)
train_parser.add_cell_argument('cloud_config', help=textwrap.dedent(' A dictionary of cloud training config, including:\n job_id: the name of the job. If not provided, a default job name is created.\n region: see {url}\n runtime_version: see "region". Must be a string like \'1.2\'.\n scale_tier: see "region".'.format(url='https://cloud.google.com/sdk/gcloud/reference/ml-engine/jobs/submit/training')))
train_parser.set_defaults(func=_train)
predict_parser = parser.subcommand('predict', formatter_class=argparse.RawTextHelpFormatter, help='Predict with local or deployed models. (Good for small datasets).', epilog=textwrap.dedent(" Example usage:\n\n %%ml predict\n headers: key,num\n model: path/to/model\n data:\n - key1,value1\n - key2,value2\n\n Or, in another cell, define a list of dict:\n\n my_data = [{'key': 1, 'num': 1.2}, {'key': 2, 'num': 2.8}]\n\n Then:\n\n %%ml predict\n headers: key,num\n model: path/to/model\n data: $my_data"))
predict_parser.add_argument('--model', required=True, help='The model path.')
predict_parser.add_argument('--no_show_image', action='store_true', default=False, help='If not set, add a column of images in output.')
predict_parser.add_cell_argument('data', required=True, help=textwrap.dedent(' Prediction data can be\n 1) CSV lines in the input cell in yaml format or\n 2) a local variable which is one of\n a) list of dict\n b) list of strings of csv lines\n c) a Pandas DataFrame'))
predict_parser.set_defaults(func=_predict)
batch_predict_parser = parser.subcommand('batch_predict', formatter_class=argparse.RawTextHelpFormatter, help='Batch prediction with local or deployed models. (Good for large datasets)', epilog=textwrap.dedent('\n Example usage:\n\n %%ml batch_predict [--cloud]\n model: path/to/model\n output: path/to/output\n format: csv\n data:\n csv: path/to/file_pattern'))
batch_predict_parser.add_argument('--model', required=True, help='The model path if not --cloud, or the id in the form of model.version if --cloud.')
batch_predict_parser.add_argument('--output', required=True, help='The path of output directory with prediction results. If --cloud, it has to be GCS path.')
batch_predict_parser.add_argument('--format', help='csv or json. For cloud run, the only supported format is json.')
batch_predict_parser.add_argument('--batch_size', type=int, default=100, help='number of instances in a batch to process once. Larger batch is more efficient but may consume more memory. Only used in local run.')
batch_predict_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run prediction in cloud or local.')
batch_predict_parser.add_cell_argument('data', required=True, help='Data to predict with. Only csv is supported.')
batch_predict_parser.add_cell_argument('cloud_config', help=textwrap.dedent(' A dictionary of cloud batch prediction config.\n job_id: the name of the job. If not provided, a default job name is created.\n region: see {url}\n max_worker_count: see reference in "region".'.format(url='https://cloud.google.com/sdk/gcloud/reference/ml-engine/jobs/submit/prediction')))
batch_predict_parser.set_defaults(func=_batch_predict)
explain_parser = parser.subcommand('explain', formatter_class=argparse.RawTextHelpFormatter, help='Explain a prediction with LIME tool.')
explain_parser.add_argument('--type', default='all', choices=['text', 'image', 'tabular', 'all'], help='the type of column to explain.')
explain_parser.add_argument('--algorithm', choices=['lime', 'ig'], default='lime', help=(('"lime" is the open sourced project for prediction explainer.' + '"ig" means integrated gradients and currently only applies ') + 'to image.'))
explain_parser.add_argument('--model', required=True, help='path of the model directory used for prediction.')
explain_parser.add_argument('--labels', required=True, help='comma separated labels to explain.')
explain_parser.add_argument('--column_name', help=(('the name of the column to explain. Optional if text type ' + 'and there is only one text column, or image type and ') + 'there is only one image column.'))
explain_parser.add_cell_argument('data', required=True, help='Prediction Data. Can be a csv line, or a dict.')
explain_parser.add_cell_argument('training_data', help=((('A csv or bigquery dataset defined by %%ml dataset. ' + 'Used by tabular explainer only to determine the ') + 'distribution of numeric and categorical values. ') + 'Suggest using original training dataset.'))
explain_parser.add_argument('--num_features', type=int, help=('number of features to analyze. In text, it is number of ' + 'words. In image, it is number of areas. For lime only.'))
explain_parser.add_argument('--num_samples', type=int, help=('size of the neighborhood to learn the linear model. ' + 'For lime only.'))
explain_parser.add_argument('--hide_color', type=int, default=0, help=('the color to use for perturbed area. If -1, average of ' + 'each channel is used for each channel. For image only.'))
explain_parser.add_argument('--include_negative', action='store_true', default=False, help='whether to show only positive areas. For lime image only.')
explain_parser.add_argument('--overview', action='store_true', default=False, help=('whether to show overview instead of details view.' + 'For lime text and tabular only.'))
explain_parser.add_argument('--batch_size', type=int, default=100, help='size of batches passed to prediction. For lime only.')
explain_parser.add_argument('--num_gradients', type=int, default=50, help=('the number of scaled images to get gradients from. Larger ' + 'number usually produces better results but slower.'))
explain_parser.add_argument('--percent_show', type=int, default=10, help='the percentage of top impactful pixels to show.')
explain_parser.set_defaults(func=_explain)
tensorboard_parser = parser.subcommand('tensorboard', formatter_class=argparse.RawTextHelpFormatter, help='Start/stop/list TensorBoard instances.')
tensorboard_sub_commands = tensorboard_parser.add_subparsers(dest='command')
tensorboard_start_parser = tensorboard_sub_commands.add_parser('start', help='Start a tensorboard instance.')
tensorboard_start_parser.add_argument('--logdir', required=True, help='The local or GCS logdir path.')
tensorboard_start_parser.set_defaults(func=_tensorboard_start)
tensorboard_stop_parser = tensorboard_sub_commands.add_parser('stop', help='Stop a tensorboard instance.')
tensorboard_stop_parser.add_argument('--pid', required=True, type=int, help='The pid of the tensorboard instance.')
tensorboard_stop_parser.set_defaults(func=_tensorboard_stop)
tensorboard_list_parser = tensorboard_sub_commands.add_parser('list', help='List tensorboard instances.')
tensorboard_list_parser.set_defaults(func=_tensorboard_list)
evaluate_parser = parser.subcommand('evaluate', formatter_class=argparse.RawTextHelpFormatter, help='Analyze model evaluation results, such as confusion matrix, ROC, RMSE.')
evaluate_sub_commands = evaluate_parser.add_subparsers(dest='command')
def _add_data_params_for_evaluate(parser):
parser.add_argument('--csv', help='csv file path patterns.')
parser.add_argument('--headers', help=('csv file headers. Required if csv is specified and ' + 'predict_results_schema.json does not exist in the same directory.'))
parser.add_argument('--bigquery', help=('can be bigquery table, query as a string, or ' + 'a pre-defined query (%%bq query --name).'))
evaluate_cm_parser = evaluate_sub_commands.add_parser('confusion_matrix', help='Get confusion matrix from evaluation results.')
_add_data_params_for_evaluate(evaluate_cm_parser)
evaluate_cm_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot confusion matrix as graph.')
evaluate_cm_parser.add_argument('--size', type=int, default=10, help='The size of the confusion matrix.')
evaluate_cm_parser.set_defaults(func=_evaluate_cm)
evaluate_accuracy_parser = evaluate_sub_commands.add_parser('accuracy', help='Get accuracy results from classification evaluation results.')
_add_data_params_for_evaluate(evaluate_accuracy_parser)
evaluate_accuracy_parser.set_defaults(func=_evaluate_accuracy)
evaluate_pr_parser = evaluate_sub_commands.add_parser('precision_recall', help='Get precision recall metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_pr_parser)
evaluate_pr_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot precision recall as graph.')
evaluate_pr_parser.add_argument('--num_thresholds', type=int, default=20, help=('Number of thresholds which determines how many ' + 'points in the graph.'))
evaluate_pr_parser.add_argument('--target_class', required=True, help=('The target class to determine correctness of ' + 'a prediction.'))
evaluate_pr_parser.add_argument('--probability_column', help=(('The name of the column holding the probability ' + 'value of the target class. If absent, the value ') + 'of target class is used.'))
evaluate_pr_parser.set_defaults(func=_evaluate_pr)
evaluate_roc_parser = evaluate_sub_commands.add_parser('roc', help='Get ROC metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_roc_parser)
evaluate_roc_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot ROC as graph.')
evaluate_roc_parser.add_argument('--num_thresholds', type=int, default=20, help=('Number of thresholds which determines how many ' + 'points in the graph.'))
evaluate_roc_parser.add_argument('--target_class', required=True, help=('The target class to determine correctness of ' + 'a prediction.'))
evaluate_roc_parser.add_argument('--probability_column', help=(('The name of the column holding the probability ' + 'value of the target class. If absent, the value ') + 'of target class is used.'))
evaluate_roc_parser.set_defaults(func=_evaluate_roc)
evaluate_regression_parser = evaluate_sub_commands.add_parser('regression', help='Get regression metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_regression_parser)
evaluate_regression_parser.set_defaults(func=_evaluate_regression)
model_parser = parser.subcommand('model', help='Models and versions management such as deployment, deletion, listing.')
model_sub_commands = model_parser.add_subparsers(dest='command')
model_list_parser = model_sub_commands.add_parser('list', help='List models and versions.')
model_list_parser.add_argument('--name', help=(('If absent, list all models of specified or current ' + 'project. If provided, list all versions of the ') + 'model.'))
model_list_parser.add_argument('--project', help=('The project to list model(s) or version(s). If absent, ' + "use Datalab's default project."))
model_list_parser.set_defaults(func=_model_list)
model_delete_parser = model_sub_commands.add_parser('delete', help='Delete models or versions.')
model_delete_parser.add_argument('--name', required=True, help=(('If no "." in the name, try deleting the specified ' + 'model. If "model.version" is provided, try deleting ') + 'the specified version.'))
model_delete_parser.add_argument('--project', help=('The project to delete model or version. If absent, ' + "use Datalab's default project."))
model_delete_parser.set_defaults(func=_model_delete)
model_deploy_parser = model_sub_commands.add_parser('deploy', help='Deploy a model version.')
model_deploy_parser.add_argument('--name', required=True, help=('Must be model.version to indicate the model ' + 'and version name to deploy.'))
model_deploy_parser.add_argument('--path', required=True, help='The GCS path of the model to be deployed.')
model_deploy_parser.add_argument('--runtime_version', help=(('The TensorFlow version to use for this model. ' + 'For example, "1.2.1". If absent, the current ') + 'TensorFlow version installed in Datalab will be used.'))
model_deploy_parser.add_argument('--project', help=('The project to deploy a model version. If absent, ' + "use Datalab's default project."))
model_deploy_parser.set_defaults(func=_model_deploy)
return google.datalab.utils.commands.handle_magic_line(line, cell, parser) | @IPython.core.magic.register_line_cell_magic
def ml(line, cell=None):
'Implements the datalab cell magic for MLWorkbench operations.\n\n Args:\n line: the contents of the ml command line.\n Returns:\n The results of executing the cell.\n '
parser = google.datalab.utils.commands.CommandParser(prog='%ml', description=textwrap.dedent(' Execute MLWorkbench operations\n\n Use "%ml <command> -h" for help on a specific command.\n '))
dataset_parser = parser.subcommand('dataset', formatter_class=argparse.RawTextHelpFormatter, help='Create or explore datasets.')
dataset_sub_commands = dataset_parser.add_subparsers(dest='command')
dataset_create_parser = dataset_sub_commands.add_parser('create', help='Create datasets', formatter_class=argparse.RawTextHelpFormatter, epilog=textwrap.dedent(' Example usage:\n\n %%ml dataset\n name: mydata\n format: csv\n train: path/to/train.csv\n eval: path/to/eval.csv\n schema:\n - name: news_label\n type: STRING\n - name: text\n type: STRING'))
dataset_create_parser.add_argument('--name', required=True, help='the name of the dataset to define. ')
dataset_create_parser.add_argument('--format', required=True, choices=['csv', 'bigquery', 'transformed'], help='The format of the data.')
dataset_create_parser.add_argument('--train', required=True, help=(('The path of the training file pattern if format ' + 'is csv or transformed, or table name if format ') + 'is bigquery.'))
dataset_create_parser.add_argument('--eval', required=True, help=(('The path of the eval file pattern if format ' + 'is csv or transformed, or table name if format ') + 'is bigquery.'))
dataset_create_parser.add_cell_argument('schema', help=('yaml representation of CSV schema, or path to ' + 'schema file. Only needed if format is csv.'))
dataset_create_parser.set_defaults(func=_dataset_create)
dataset_explore_parser = dataset_sub_commands.add_parser('explore', help='Explore training data.')
dataset_explore_parser.add_argument('--name', required=True, help='The name of the dataset to explore.')
dataset_explore_parser.add_argument('--overview', action='store_true', default=False, help=('Plot overview of sampled data. Set "sample_size" ' + 'to change the default sample size.'))
dataset_explore_parser.add_argument('--facets', action='store_true', default=False, help=('Plot facets view of sampled data. Set ' + '"sample_size" to change the default sample size.'))
dataset_explore_parser.add_argument('--sample_size', type=int, default=1000, help=('sample size for overview or facets view. Only ' + 'used if either --overview or --facets is set.'))
dataset_explore_parser.set_defaults(func=_dataset_explore)
analyze_parser = parser.subcommand('analyze', formatter_class=argparse.RawTextHelpFormatter, help='Analyze training data and generate stats, such as min/max/mean for numeric values, vocabulary for text columns.', epilog=textwrap.dedent(' Example usage:\n\n %%ml analyze [--cloud]\n output: path/to/dir\n data: $mydataset\n features:\n serialId:\n transform: key\n num1:\n transform: scale\n value: 1\n num2:\n transform: identity\n text1:\n transform: bag_of_words\n\n Also supports in-notebook variables, such as:\n %%ml analyze --output path/to/dir\n training_data: $my_csv_dataset\n features: $features_def'))
analyze_parser.add_argument('--output', required=True, help='path of output directory.')
analyze_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run analysis in cloud or local.')
analyze_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
analyze_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
analyze_parser.add_cell_argument('features', required=True, help=textwrap.dedent(' features config indicating how to transform data into features. The\n list of supported transforms:\n "transform: identity"\n does nothing (for numerical columns).\n "transform: scale\n value: x"\n scale a numerical column to [-a, a]. If value is missing, x\n defaults to 1.\n "transform: one_hot"\n treats the string column as categorical and makes one-hot\n encoding of it.\n "transform: embedding\n embedding_dim: d"\n treats the string column as categorical and makes embeddings of\n it with specified dimension size.\n "transform: bag_of_words"\n treats the string column as text and make bag of words\n transform of it.\n "transform: tfidf"\n treats the string column as text and make TFIDF transform of it.\n "transform: image_to_vec\n checkpoint: gs://b/o"\n from image gs url to embeddings. "checkpoint" is a inception v3\n checkpoint. If absent, a default checkpoint is used.\n "transform: target"\n denotes the column is the target. If the schema type of this\n column is string, a one_hot encoding is automatically applied.\n If numerical, an identity transform is automatically applied.\n "transform: key"\n column contains metadata-like information and will be output\n as-is in prediction.'))
analyze_parser.set_defaults(func=_analyze)
transform_parser = parser.subcommand('transform', formatter_class=argparse.RawTextHelpFormatter, help='Transform the data into tf.example which is more efficient in training.', epilog=textwrap.dedent(' Example usage:\n\n %%ml transform [--cloud] [--shuffle]\n analysis: path/to/analysis_output_folder\n output: path/to/dir\n batch_size: 100\n data: $mydataset\n cloud:\n num_workers: 3\n worker_machine_type: n1-standard-1\n project_id: my_project_id'))
transform_parser.add_argument('--analysis', required=True, help='path of analysis output directory.')
transform_parser.add_argument('--output', required=True, help='path of output directory.')
transform_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run transform in cloud or local.')
transform_parser.add_argument('--shuffle', action='store_true', default=False, help='whether to shuffle the training data in output.')
transform_parser.add_argument('--batch_size', type=int, default=100, help='number of instances in a batch to process once. Larger batch is more efficient but may consume more memory.')
transform_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
transform_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
transform_parser.add_cell_argument('cloud_config', help=textwrap.dedent(" A dictionary of cloud config. All of them are optional.\n num_workers: Dataflow number of workers. If not set, DataFlow\n service will determine the number.\n worker_machine_type: a machine name from\n https://cloud.google.com/compute/docs/machine-types\n If not given, the service uses the default machine type.\n project_id: id of the project to use for DataFlow service. If not set,\n Datalab's default project (set by %%datalab project set) is used.\n job_name: Unique name for a Dataflow job to use. If not set, a\n random name will be used."))
transform_parser.set_defaults(func=_transform)
train_parser = parser.subcommand('train', formatter_class=argparse.RawTextHelpFormatter, help='Train a model.', epilog=textwrap.dedent(' Example usage:\n\n %%ml train [--cloud]\n analysis: path/to/analysis_output\n output: path/to/dir\n data: $mydataset\n model_args:\n model: linear_regression\n cloud_config:\n region: us-central1'))
train_parser.add_argument('--analysis', required=True, help='path of analysis output directory.')
train_parser.add_argument('--output', required=True, help='path of trained model directory.')
train_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run training in cloud or local.')
train_parser.add_argument('--notb', action='store_true', default=False, help='If set, tensorboard is not automatically started.')
train_parser.add_argument('--package', required=False, help='A local or GCS tarball path to use as the source. If not set, the default source package will be used.')
train_parser.add_cell_argument('data', required=True, help='Training data. A dataset defined by "%%ml dataset".')
package_model_help = subprocess.Popen(['python', '-m', 'trainer.task', '--datalab-help'], cwd=DEFAULT_PACKAGE_PATH, stdout=subprocess.PIPE).communicate()[0]
package_model_help = ('model_args: a dictionary of model specific args, including:\n\n' + package_model_help.decode())
train_parser.add_cell_argument('model_args', help=package_model_help)
train_parser.add_cell_argument('cloud_config', help=textwrap.dedent(' A dictionary of cloud training config, including:\n job_id: the name of the job. If not provided, a default job name is created.\n region: see {url}\n runtime_version: see "region". Must be a string like \'1.2\'.\n scale_tier: see "region".'.format(url='https://cloud.google.com/sdk/gcloud/reference/ml-engine/jobs/submit/training')))
train_parser.set_defaults(func=_train)
predict_parser = parser.subcommand('predict', formatter_class=argparse.RawTextHelpFormatter, help='Predict with local or deployed models. (Good for small datasets).', epilog=textwrap.dedent(" Example usage:\n\n %%ml predict\n headers: key,num\n model: path/to/model\n data:\n - key1,value1\n - key2,value2\n\n Or, in another cell, define a list of dict:\n\n my_data = [{'key': 1, 'num': 1.2}, {'key': 2, 'num': 2.8}]\n\n Then:\n\n %%ml predict\n headers: key,num\n model: path/to/model\n data: $my_data"))
predict_parser.add_argument('--model', required=True, help='The model path.')
predict_parser.add_argument('--no_show_image', action='store_true', default=False, help='If not set, add a column of images in output.')
predict_parser.add_cell_argument('data', required=True, help=textwrap.dedent(' Prediction data can be\n 1) CSV lines in the input cell in yaml format or\n 2) a local variable which is one of\n a) list of dict\n b) list of strings of csv lines\n c) a Pandas DataFrame'))
predict_parser.set_defaults(func=_predict)
batch_predict_parser = parser.subcommand('batch_predict', formatter_class=argparse.RawTextHelpFormatter, help='Batch prediction with local or deployed models. (Good for large datasets)', epilog=textwrap.dedent('\n Example usage:\n\n %%ml batch_predict [--cloud]\n model: path/to/model\n output: path/to/output\n format: csv\n data:\n csv: path/to/file_pattern'))
batch_predict_parser.add_argument('--model', required=True, help='The model path if not --cloud, or the id in the form of model.version if --cloud.')
batch_predict_parser.add_argument('--output', required=True, help='The path of output directory with prediction results. If --cloud, it has to be GCS path.')
batch_predict_parser.add_argument('--format', help='csv or json. For cloud run, the only supported format is json.')
batch_predict_parser.add_argument('--batch_size', type=int, default=100, help='number of instances in a batch to process once. Larger batch is more efficient but may consume more memory. Only used in local run.')
batch_predict_parser.add_argument('--cloud', action='store_true', default=False, help='whether to run prediction in cloud or local.')
batch_predict_parser.add_cell_argument('data', required=True, help='Data to predict with. Only csv is supported.')
batch_predict_parser.add_cell_argument('cloud_config', help=textwrap.dedent(' A dictionary of cloud batch prediction config.\n job_id: the name of the job. If not provided, a default job name is created.\n region: see {url}\n max_worker_count: see reference in "region".'.format(url='https://cloud.google.com/sdk/gcloud/reference/ml-engine/jobs/submit/prediction')))
batch_predict_parser.set_defaults(func=_batch_predict)
explain_parser = parser.subcommand('explain', formatter_class=argparse.RawTextHelpFormatter, help='Explain a prediction with LIME tool.')
explain_parser.add_argument('--type', default='all', choices=['text', 'image', 'tabular', 'all'], help='the type of column to explain.')
explain_parser.add_argument('--algorithm', choices=['lime', 'ig'], default='lime', help=(('"lime" is the open sourced project for prediction explainer.' + '"ig" means integrated gradients and currently only applies ') + 'to image.'))
explain_parser.add_argument('--model', required=True, help='path of the model directory used for prediction.')
explain_parser.add_argument('--labels', required=True, help='comma separated labels to explain.')
explain_parser.add_argument('--column_name', help=(('the name of the column to explain. Optional if text type ' + 'and there is only one text column, or image type and ') + 'there is only one image column.'))
explain_parser.add_cell_argument('data', required=True, help='Prediction Data. Can be a csv line, or a dict.')
explain_parser.add_cell_argument('training_data', help=((('A csv or bigquery dataset defined by %%ml dataset. ' + 'Used by tabular explainer only to determine the ') + 'distribution of numeric and categorical values. ') + 'Suggest using original training dataset.'))
explain_parser.add_argument('--num_features', type=int, help=('number of features to analyze. In text, it is number of ' + 'words. In image, it is number of areas. For lime only.'))
explain_parser.add_argument('--num_samples', type=int, help=('size of the neighborhood to learn the linear model. ' + 'For lime only.'))
explain_parser.add_argument('--hide_color', type=int, default=0, help=('the color to use for perturbed area. If -1, average of ' + 'each channel is used for each channel. For image only.'))
explain_parser.add_argument('--include_negative', action='store_true', default=False, help='whether to show only positive areas. For lime image only.')
explain_parser.add_argument('--overview', action='store_true', default=False, help=('whether to show overview instead of details view.' + 'For lime text and tabular only.'))
explain_parser.add_argument('--batch_size', type=int, default=100, help='size of batches passed to prediction. For lime only.')
explain_parser.add_argument('--num_gradients', type=int, default=50, help=('the number of scaled images to get gradients from. Larger ' + 'number usually produces better results but slower.'))
explain_parser.add_argument('--percent_show', type=int, default=10, help='the percentage of top impactful pixels to show.')
explain_parser.set_defaults(func=_explain)
tensorboard_parser = parser.subcommand('tensorboard', formatter_class=argparse.RawTextHelpFormatter, help='Start/stop/list TensorBoard instances.')
tensorboard_sub_commands = tensorboard_parser.add_subparsers(dest='command')
tensorboard_start_parser = tensorboard_sub_commands.add_parser('start', help='Start a tensorboard instance.')
tensorboard_start_parser.add_argument('--logdir', required=True, help='The local or GCS logdir path.')
tensorboard_start_parser.set_defaults(func=_tensorboard_start)
tensorboard_stop_parser = tensorboard_sub_commands.add_parser('stop', help='Stop a tensorboard instance.')
tensorboard_stop_parser.add_argument('--pid', required=True, type=int, help='The pid of the tensorboard instance.')
tensorboard_stop_parser.set_defaults(func=_tensorboard_stop)
tensorboard_list_parser = tensorboard_sub_commands.add_parser('list', help='List tensorboard instances.')
tensorboard_list_parser.set_defaults(func=_tensorboard_list)
evaluate_parser = parser.subcommand('evaluate', formatter_class=argparse.RawTextHelpFormatter, help='Analyze model evaluation results, such as confusion matrix, ROC, RMSE.')
evaluate_sub_commands = evaluate_parser.add_subparsers(dest='command')
def _add_data_params_for_evaluate(parser):
parser.add_argument('--csv', help='csv file path patterns.')
parser.add_argument('--headers', help=('csv file headers. Required if csv is specified and ' + 'predict_results_schema.json does not exist in the same directory.'))
parser.add_argument('--bigquery', help=('can be bigquery table, query as a string, or ' + 'a pre-defined query (%%bq query --name).'))
evaluate_cm_parser = evaluate_sub_commands.add_parser('confusion_matrix', help='Get confusion matrix from evaluation results.')
_add_data_params_for_evaluate(evaluate_cm_parser)
evaluate_cm_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot confusion matrix as graph.')
evaluate_cm_parser.add_argument('--size', type=int, default=10, help='The size of the confusion matrix.')
evaluate_cm_parser.set_defaults(func=_evaluate_cm)
evaluate_accuracy_parser = evaluate_sub_commands.add_parser('accuracy', help='Get accuracy results from classification evaluation results.')
_add_data_params_for_evaluate(evaluate_accuracy_parser)
evaluate_accuracy_parser.set_defaults(func=_evaluate_accuracy)
evaluate_pr_parser = evaluate_sub_commands.add_parser('precision_recall', help='Get precision recall metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_pr_parser)
evaluate_pr_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot precision recall as graph.')
evaluate_pr_parser.add_argument('--num_thresholds', type=int, default=20, help=('Number of thresholds which determines how many ' + 'points in the graph.'))
evaluate_pr_parser.add_argument('--target_class', required=True, help=('The target class to determine correctness of ' + 'a prediction.'))
evaluate_pr_parser.add_argument('--probability_column', help=(('The name of the column holding the probability ' + 'value of the target class. If absent, the value ') + 'of target class is used.'))
evaluate_pr_parser.set_defaults(func=_evaluate_pr)
evaluate_roc_parser = evaluate_sub_commands.add_parser('roc', help='Get ROC metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_roc_parser)
evaluate_roc_parser.add_argument('--plot', action='store_true', default=False, help='Whether to plot ROC as graph.')
evaluate_roc_parser.add_argument('--num_thresholds', type=int, default=20, help=('Number of thresholds which determines how many ' + 'points in the graph.'))
evaluate_roc_parser.add_argument('--target_class', required=True, help=('The target class to determine correctness of ' + 'a prediction.'))
evaluate_roc_parser.add_argument('--probability_column', help=(('The name of the column holding the probability ' + 'value of the target class. If absent, the value ') + 'of target class is used.'))
evaluate_roc_parser.set_defaults(func=_evaluate_roc)
evaluate_regression_parser = evaluate_sub_commands.add_parser('regression', help='Get regression metrics from evaluation results.')
_add_data_params_for_evaluate(evaluate_regression_parser)
evaluate_regression_parser.set_defaults(func=_evaluate_regression)
model_parser = parser.subcommand('model', help='Models and versions management such as deployment, deletion, listing.')
model_sub_commands = model_parser.add_subparsers(dest='command')
model_list_parser = model_sub_commands.add_parser('list', help='List models and versions.')
model_list_parser.add_argument('--name', help=(('If absent, list all models of specified or current ' + 'project. If provided, list all versions of the ') + 'model.'))
model_list_parser.add_argument('--project', help=('The project to list model(s) or version(s). If absent, ' + "use Datalab's default project."))
model_list_parser.set_defaults(func=_model_list)
model_delete_parser = model_sub_commands.add_parser('delete', help='Delete models or versions.')
model_delete_parser.add_argument('--name', required=True, help=(('If no "." in the name, try deleting the specified ' + 'model. If "model.version" is provided, try deleting ') + 'the specified version.'))
model_delete_parser.add_argument('--project', help=('The project to delete model or version. If absent, ' + "use Datalab's default project."))
model_delete_parser.set_defaults(func=_model_delete)
model_deploy_parser = model_sub_commands.add_parser('deploy', help='Deploy a model version.')
model_deploy_parser.add_argument('--name', required=True, help=('Must be model.version to indicate the model ' + 'and version name to deploy.'))
model_deploy_parser.add_argument('--path', required=True, help='The GCS path of the model to be deployed.')
model_deploy_parser.add_argument('--runtime_version', help=(('The TensorFlow version to use for this model. ' + 'For example, "1.2.1". If absent, the current ') + 'TensorFlow version installed in Datalab will be used.'))
model_deploy_parser.add_argument('--project', help=('The project to deploy a model version. If absent, ' + "use Datalab's default project."))
model_deploy_parser.set_defaults(func=_model_deploy)
return google.datalab.utils.commands.handle_magic_line(line, cell, parser)<|docstring|>Implements the datalab cell magic for MLWorkbench operations.
Args:
line: the contents of the ml command line.
Returns:
The results of executing the cell.<|endoftext|> |
155307dd45a4bf113f6867631c9563c268ecc006ea1689037c0553a0df62b23c | def _abs_path(path):
"Convert a non-GCS path to its absolute path.\n\n path can contain special filepath characters like '..', '*' and '.'.\n\n Example: If the current folder is /content/datalab/folder1 and path is\n '../folder2/files*', then this function returns the string\n '/content/datalab/folder2/files*'.\n\n This function is needed if using _shell_process.run_and_monitor() as that\n function runs a command in a different folder.\n\n Args:\n path: string.\n "
if path.startswith('gs://'):
return path
return os.path.abspath(path) | Convert a non-GCS path to its absolute path.
path can contain special filepath characters like '..', '*' and '.'.
Example: If the current folder is /content/datalab/folder1 and path is
'../folder2/files*', then this function returns the string
'/content/datalab/folder2/files*'.
This function is needed if using _shell_process.run_and_monitor() as that
function runs a command in a different folder.
Args:
path: string. | google/datalab/contrib/mlworkbench/commands/_ml.py | _abs_path | alienczf/pydatalab | 198 | python | def _abs_path(path):
"Convert a non-GCS path to its absolute path.\n\n path can contain special filepath characters like '..', '*' and '.'.\n\n Example: If the current folder is /content/datalab/folder1 and path is\n '../folder2/files*', then this function returns the string\n '/content/datalab/folder2/files*'.\n\n This function is needed if using _shell_process.run_and_monitor() as that\n function runs a command in a different folder.\n\n Args:\n path: string.\n "
if path.startswith('gs://'):
return path
return os.path.abspath(path) | def _abs_path(path):
"Convert a non-GCS path to its absolute path.\n\n path can contain special filepath characters like '..', '*' and '.'.\n\n Example: If the current folder is /content/datalab/folder1 and path is\n '../folder2/files*', then this function returns the string\n '/content/datalab/folder2/files*'.\n\n This function is needed if using _shell_process.run_and_monitor() as that\n function runs a command in a different folder.\n\n Args:\n path: string.\n "
if path.startswith('gs://'):
return path
return os.path.abspath(path)<|docstring|>Convert a non-GCS path to its absolute path.
path can contain special filepath characters like '..', '*' and '.'.
Example: If the current folder is /content/datalab/folder1 and path is
'../folder2/files*', then this function returns the string
'/content/datalab/folder2/files*'.
This function is needed if using _shell_process.run_and_monitor() as that
function runs a command in a different folder.
Args:
path: string.<|endoftext|> |
3b3e836d06cdadb1fddb9fb6df4dc29344b6b0fe754d4313b458625b7798e896 | def read(self) -> List[int]:
'Возвращает текущее показание сенсора в виде массива\n из трёх элементов, соответствующих показаниям сенсора\n по каждой из осей.\n '
raise NotImplementedError | Возвращает текущее показание сенсора в виде массива
из трёх элементов, соответствующих показаниям сенсора
по каждой из осей. | trik/brick.py | read | m1raynee/trikset.py-typehint | 1 | python | def read(self) -> List[int]:
'Возвращает текущее показание сенсора в виде массива\n из трёх элементов, соответствующих показаниям сенсора\n по каждой из осей.\n '
raise NotImplementedError | def read(self) -> List[int]:
'Возвращает текущее показание сенсора в виде массива\n из трёх элементов, соответствующих показаниям сенсора\n по каждой из осей.\n '
raise NotImplementedError<|docstring|>Возвращает текущее показание сенсора в виде массива
из трёх элементов, соответствующих показаниям сенсора
по каждой из осей.<|endoftext|> |
2490f576ddebe876cf2a2c7f7573613845035707709d5e73640d625b4754cc78 | def readVoltage(self) -> int:
'Возвращает текущий вольтаж батареи (или блока питания) в вольтах.'
raise NotImplementedError | Возвращает текущий вольтаж батареи (или блока питания) в вольтах. | trik/brick.py | readVoltage | m1raynee/trikset.py-typehint | 1 | python | def readVoltage(self) -> int:
raise NotImplementedError | def readVoltage(self) -> int:
raise NotImplementedError<|docstring|>Возвращает текущий вольтаж батареи (или блока питания) в вольтах.<|endoftext|> |
1773f9bfb3c4fff621689257567550244de477ca7c0421698fc8415ad5ec8ce0 | def init(self, show_to_screen: bool) -> None:
'Включает видеокамеру и инициализирует её в режиме датчика цвета.'
raise NotImplementedError | Включает видеокамеру и инициализирует её в режиме датчика цвета. | trik/brick.py | init | m1raynee/trikset.py-typehint | 1 | python | def init(self, show_to_screen: bool) -> None:
raise NotImplementedError | def init(self, show_to_screen: bool) -> None:
raise NotImplementedError<|docstring|>Включает видеокамеру и инициализирует её в режиме датчика цвета.<|endoftext|> |
f116e4a48dc5b0c57b3bc3f4cbad2f1e04ef28c0ed021a84a9c2f30d46657ea7 | def read(self, x: int, y: int) -> List[int]:
'Возвращает массив с координатами доминирующего цвета\n в цветовой шкале RGB в указанном участке кадра.\n\n Кадр делится на квадраты сеткой, по умолчанию 3 на 3, размерность сетки\n можно задать в `model-config.xml` на роботе. Квадраты индексируются с 1.\n То есть (1, 1) — это левый верхний край кадра, (2, 2) — его центр.\n Возвращаемое значение — массив из трёх элементов от 0 до 255, индексирующийся с 0.\n Нулевой элемент содержит интенсивность красного (0 — совсем нет, 255 — очень много),\n первый — интенсивность зелёного, второй — интенсивность синего.\n Например, (0, 0, 0) — чёрный, (255, 255, 255) — белый, (255, 0, 0) — красный.\n\n Параметры\n ---------\n x: :class:`int`\n Координата участке кадра по оси Ох\n y: :class:`int`\n Координата участке кадра по оси Оy\n '
raise NotImplementedError | Возвращает массив с координатами доминирующего цвета
в цветовой шкале RGB в указанном участке кадра.
Кадр делится на квадраты сеткой, по умолчанию 3 на 3, размерность сетки
можно задать в `model-config.xml` на роботе. Квадраты индексируются с 1.
То есть (1, 1) — это левый верхний край кадра, (2, 2) — его центр.
Возвращаемое значение — массив из трёх элементов от 0 до 255, индексирующийся с 0.
Нулевой элемент содержит интенсивность красного (0 — совсем нет, 255 — очень много),
первый — интенсивность зелёного, второй — интенсивность синего.
Например, (0, 0, 0) — чёрный, (255, 255, 255) — белый, (255, 0, 0) — красный.
Параметры
---------
x: :class:`int`
Координата участке кадра по оси Ох
y: :class:`int`
Координата участке кадра по оси Оy | trik/brick.py | read | m1raynee/trikset.py-typehint | 1 | python | def read(self, x: int, y: int) -> List[int]:
'Возвращает массив с координатами доминирующего цвета\n в цветовой шкале RGB в указанном участке кадра.\n\n Кадр делится на квадраты сеткой, по умолчанию 3 на 3, размерность сетки\n можно задать в `model-config.xml` на роботе. Квадраты индексируются с 1.\n То есть (1, 1) — это левый верхний край кадра, (2, 2) — его центр.\n Возвращаемое значение — массив из трёх элементов от 0 до 255, индексирующийся с 0.\n Нулевой элемент содержит интенсивность красного (0 — совсем нет, 255 — очень много),\n первый — интенсивность зелёного, второй — интенсивность синего.\n Например, (0, 0, 0) — чёрный, (255, 255, 255) — белый, (255, 0, 0) — красный.\n\n Параметры\n ---------\n x: :class:`int`\n Координата участке кадра по оси Ох\n y: :class:`int`\n Координата участке кадра по оси Оy\n '
raise NotImplementedError | def read(self, x: int, y: int) -> List[int]:
'Возвращает массив с координатами доминирующего цвета\n в цветовой шкале RGB в указанном участке кадра.\n\n Кадр делится на квадраты сеткой, по умолчанию 3 на 3, размерность сетки\n можно задать в `model-config.xml` на роботе. Квадраты индексируются с 1.\n То есть (1, 1) — это левый верхний край кадра, (2, 2) — его центр.\n Возвращаемое значение — массив из трёх элементов от 0 до 255, индексирующийся с 0.\n Нулевой элемент содержит интенсивность красного (0 — совсем нет, 255 — очень много),\n первый — интенсивность зелёного, второй — интенсивность синего.\n Например, (0, 0, 0) — чёрный, (255, 255, 255) — белый, (255, 0, 0) — красный.\n\n Параметры\n ---------\n x: :class:`int`\n Координата участке кадра по оси Ох\n y: :class:`int`\n Координата участке кадра по оси Оy\n '
raise NotImplementedError<|docstring|>Возвращает массив с координатами доминирующего цвета
в цветовой шкале RGB в указанном участке кадра.
Кадр делится на квадраты сеткой, по умолчанию 3 на 3, размерность сетки
можно задать в `model-config.xml` на роботе. Квадраты индексируются с 1.
То есть (1, 1) — это левый верхний край кадра, (2, 2) — его центр.
Возвращаемое значение — массив из трёх элементов от 0 до 255, индексирующийся с 0.
Нулевой элемент содержит интенсивность красного (0 — совсем нет, 255 — очень много),
первый — интенсивность зелёного, второй — интенсивность синего.
Например, (0, 0, 0) — чёрный, (255, 255, 255) — белый, (255, 0, 0) — красный.
Параметры
---------
x: :class:`int`
Координата участке кадра по оси Ох
y: :class:`int`
Координата участке кадра по оси Оy<|endoftext|> |
f7db3fc17c9d14c95d56c570e5a55f1e6c00f3716623a481ed9ba3685a137ddd | def stop(self) -> None:
'Выключает видеокамеру и прекращает работу датчика.'
raise NotImplementedError | Выключает видеокамеру и прекращает работу датчика. | trik/brick.py | stop | m1raynee/trikset.py-typehint | 1 | python | def stop(self) -> None:
raise NotImplementedError | def stop(self) -> None:
raise NotImplementedError<|docstring|>Выключает видеокамеру и прекращает работу датчика.<|endoftext|> |
ae12e3064656b6523ad762649a33d0f60105cd653eae1a282ce6e3e08caafb51 | def addLabel(self, text: str, x: int, y: int):
'Вывести на экран указанный текст в указанные координаты.\n Если в указанных координатах уже был текст, он будет заменён новым.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n text: :class:`str`\n Выводимый текст\n x: :class:`int`\n Координата экрана по оси Ох\n y: :class:`int`\n Координата экрана по оси Оy\n '
raise NotImplementedError | Вывести на экран указанный текст в указанные координаты.
Если в указанных координатах уже был текст, он будет заменён новым.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
text: :class:`str`
Выводимый текст
x: :class:`int`
Координата экрана по оси Ох
y: :class:`int`
Координата экрана по оси Оy | trik/brick.py | addLabel | m1raynee/trikset.py-typehint | 1 | python | def addLabel(self, text: str, x: int, y: int):
'Вывести на экран указанный текст в указанные координаты.\n Если в указанных координатах уже был текст, он будет заменён новым.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n text: :class:`str`\n Выводимый текст\n x: :class:`int`\n Координата экрана по оси Ох\n y: :class:`int`\n Координата экрана по оси Оy\n '
raise NotImplementedError | def addLabel(self, text: str, x: int, y: int):
'Вывести на экран указанный текст в указанные координаты.\n Если в указанных координатах уже был текст, он будет заменён новым.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n text: :class:`str`\n Выводимый текст\n x: :class:`int`\n Координата экрана по оси Ох\n y: :class:`int`\n Координата экрана по оси Оy\n '
raise NotImplementedError<|docstring|>Вывести на экран указанный текст в указанные координаты.
Если в указанных координатах уже был текст, он будет заменён новым.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
text: :class:`str`
Выводимый текст
x: :class:`int`
Координата экрана по оси Ох
y: :class:`int`
Координата экрана по оси Оy<|endoftext|> |
627c544bec9c544ca9c437200bcc8ca277c1467f9b2dd0a492d670f3ab9331bb | def clear(self) -> None:
'Очистить окно для рисования.'
raise NotImplementedError | Очистить окно для рисования. | trik/brick.py | clear | m1raynee/trikset.py-typehint | 1 | python | def clear(self) -> None:
raise NotImplementedError | def clear(self) -> None:
raise NotImplementedError<|docstring|>Очистить окно для рисования.<|endoftext|> |
69308befd2f0ded0fb658a9cf507a342143ea37bbb7a01d7172bdef4a6acf7ec | def drawArc(self, x: int, y: int, l: int, h: int, _from: int, to: int) -> None:
'Нарисовать дугу эллипса, вписанного в прямоугольник с левым верхним углом в указанных\n координатах и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n from: :class:`int`\n Начальный угол, ограничивающий дугу\n to: :class:`int`\n Конечный угол, ограничивающий дугу\n '
raise NotImplementedError | Нарисовать дугу эллипса, вписанного в прямоугольник с левым верхним углом в указанных
координатах и имеющий заданную ширину и высоту.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x: :class:`int`
Координата левого верхнего угла по оси Ох
y: :class:`int`
Координата левого верхнего угла по оси Оy
l: :class:`int`
Ширина прямоугольника
h: :class:`int`
Высота прямоугольника
from: :class:`int`
Начальный угол, ограничивающий дугу
to: :class:`int`
Конечный угол, ограничивающий дугу | trik/brick.py | drawArc | m1raynee/trikset.py-typehint | 1 | python | def drawArc(self, x: int, y: int, l: int, h: int, _from: int, to: int) -> None:
'Нарисовать дугу эллипса, вписанного в прямоугольник с левым верхним углом в указанных\n координатах и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n from: :class:`int`\n Начальный угол, ограничивающий дугу\n to: :class:`int`\n Конечный угол, ограничивающий дугу\n '
raise NotImplementedError | def drawArc(self, x: int, y: int, l: int, h: int, _from: int, to: int) -> None:
'Нарисовать дугу эллипса, вписанного в прямоугольник с левым верхним углом в указанных\n координатах и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n from: :class:`int`\n Начальный угол, ограничивающий дугу\n to: :class:`int`\n Конечный угол, ограничивающий дугу\n '
raise NotImplementedError<|docstring|>Нарисовать дугу эллипса, вписанного в прямоугольник с левым верхним углом в указанных
координатах и имеющий заданную ширину и высоту.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x: :class:`int`
Координата левого верхнего угла по оси Ох
y: :class:`int`
Координата левого верхнего угла по оси Оy
l: :class:`int`
Ширина прямоугольника
h: :class:`int`
Высота прямоугольника
from: :class:`int`
Начальный угол, ограничивающий дугу
to: :class:`int`
Конечный угол, ограничивающий дугу<|endoftext|> |
3985b6b8eeca059fafd22fbad9d02b72369282ea8bd39aebf9ac5043970edbd7 | def drawEllipse(self, x: int, y: int, l: int, h: int, filled: bool=False) -> None:
'Нарисовать эллипс, вписанный в прямоугольник с левым верхним углом в указанных\n координатах и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n filled: :class:`bool`\n Заливать фигуру или нет, по умолчанию False\n '
raise NotImplementedError | Нарисовать эллипс, вписанный в прямоугольник с левым верхним углом в указанных
координатах и имеющий заданную ширину и высоту.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x: :class:`int`
Координата левого верхнего угла по оси Ох
y: :class:`int`
Координата левого верхнего угла по оси Оy
l: :class:`int`
Ширина прямоугольника
h: :class:`int`
Высота прямоугольника
filled: :class:`bool`
Заливать фигуру или нет, по умолчанию False | trik/brick.py | drawEllipse | m1raynee/trikset.py-typehint | 1 | python | def drawEllipse(self, x: int, y: int, l: int, h: int, filled: bool=False) -> None:
'Нарисовать эллипс, вписанный в прямоугольник с левым верхним углом в указанных\n координатах и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n filled: :class:`bool`\n Заливать фигуру или нет, по умолчанию False\n '
raise NotImplementedError | def drawEllipse(self, x: int, y: int, l: int, h: int, filled: bool=False) -> None:
'Нарисовать эллипс, вписанный в прямоугольник с левым верхним углом в указанных\n координатах и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n filled: :class:`bool`\n Заливать фигуру или нет, по умолчанию False\n '
raise NotImplementedError<|docstring|>Нарисовать эллипс, вписанный в прямоугольник с левым верхним углом в указанных
координатах и имеющий заданную ширину и высоту.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x: :class:`int`
Координата левого верхнего угла по оси Ох
y: :class:`int`
Координата левого верхнего угла по оси Оy
l: :class:`int`
Ширина прямоугольника
h: :class:`int`
Высота прямоугольника
filled: :class:`bool`
Заливать фигуру или нет, по умолчанию False<|endoftext|> |
d18a61975dc8eaa624340fb8ff60c59e38a0dee454a5ccbe511213aeb45db306 | def drawLine(self, x0: int, y0: int, x1: int, y1: int) -> None:
'Нарисовать линию с началом и концом в заданных координатах.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x0: :class:`int`\n Координата начала линии по оси Ох\n y0: :class:`int`\n Координата начала линии по оси Оy\n x1: :class:`int`\n Координата конца линии угла по оси Ох\n y1: :class:`int`\n Координата конца линии угла по оси Оy\n '
raise NotImplementedError | Нарисовать линию с началом и концом в заданных координатах.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x0: :class:`int`
Координата начала линии по оси Ох
y0: :class:`int`
Координата начала линии по оси Оy
x1: :class:`int`
Координата конца линии угла по оси Ох
y1: :class:`int`
Координата конца линии угла по оси Оy | trik/brick.py | drawLine | m1raynee/trikset.py-typehint | 1 | python | def drawLine(self, x0: int, y0: int, x1: int, y1: int) -> None:
'Нарисовать линию с началом и концом в заданных координатах.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x0: :class:`int`\n Координата начала линии по оси Ох\n y0: :class:`int`\n Координата начала линии по оси Оy\n x1: :class:`int`\n Координата конца линии угла по оси Ох\n y1: :class:`int`\n Координата конца линии угла по оси Оy\n '
raise NotImplementedError | def drawLine(self, x0: int, y0: int, x1: int, y1: int) -> None:
'Нарисовать линию с началом и концом в заданных координатах.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x0: :class:`int`\n Координата начала линии по оси Ох\n y0: :class:`int`\n Координата начала линии по оси Оy\n x1: :class:`int`\n Координата конца линии угла по оси Ох\n y1: :class:`int`\n Координата конца линии угла по оси Оy\n '
raise NotImplementedError<|docstring|>Нарисовать линию с началом и концом в заданных координатах.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x0: :class:`int`
Координата начала линии по оси Ох
y0: :class:`int`
Координата начала линии по оси Оy
x1: :class:`int`
Координата конца линии угла по оси Ох
y1: :class:`int`
Координата конца линии угла по оси Оy<|endoftext|> |
6dec68132058cb5bf1024084f95c9d07fa62e8f1d1292d0d3c78b8c88b212c70 | def drawPoint(self, x: int, y: int) -> None:
'Нарисовать точку в заданных координатах.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x0: :class:`int`\n Координата точки по оси Ох\n y0: :class:`int`\n Координата точки по оси Оy\n '
raise NotImplementedError | Нарисовать точку в заданных координатах.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x0: :class:`int`
Координата точки по оси Ох
y0: :class:`int`
Координата точки по оси Оy | trik/brick.py | drawPoint | m1raynee/trikset.py-typehint | 1 | python | def drawPoint(self, x: int, y: int) -> None:
'Нарисовать точку в заданных координатах.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x0: :class:`int`\n Координата точки по оси Ох\n y0: :class:`int`\n Координата точки по оси Оy\n '
raise NotImplementedError | def drawPoint(self, x: int, y: int) -> None:
'Нарисовать точку в заданных координатах.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x0: :class:`int`\n Координата точки по оси Ох\n y0: :class:`int`\n Координата точки по оси Оy\n '
raise NotImplementedError<|docstring|>Нарисовать точку в заданных координатах.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x0: :class:`int`
Координата точки по оси Ох
y0: :class:`int`
Координата точки по оси Оy<|endoftext|> |
6586a3dee4b625758dbb79b4068eabdc2d36bb6059550f5ad5b11dcff8bcd8de | def drawRect(self, x: int, y: int, l: int, h: int, filled: bool=False) -> None:
'Нарисовать прямоугольник с левым верхним углом в указанных координатах\n и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n filled: :class:`bool`\n Заливать фигуру или нет, по умолчанию False\n '
raise NotImplementedError | Нарисовать прямоугольник с левым верхним углом в указанных координатах
и имеющий заданную ширину и высоту.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x: :class:`int`
Координата левого верхнего угла по оси Ох
y: :class:`int`
Координата левого верхнего угла по оси Оy
l: :class:`int`
Ширина прямоугольника
h: :class:`int`
Высота прямоугольника
filled: :class:`bool`
Заливать фигуру или нет, по умолчанию False | trik/brick.py | drawRect | m1raynee/trikset.py-typehint | 1 | python | def drawRect(self, x: int, y: int, l: int, h: int, filled: bool=False) -> None:
'Нарисовать прямоугольник с левым верхним углом в указанных координатах\n и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n filled: :class:`bool`\n Заливать фигуру или нет, по умолчанию False\n '
raise NotImplementedError | def drawRect(self, x: int, y: int, l: int, h: int, filled: bool=False) -> None:
'Нарисовать прямоугольник с левым верхним углом в указанных координатах\n и имеющий заданную ширину и высоту.\n\n Изменения на дисплее произойдут только после вызова метода «redraw».\n\n Параметры\n ---------\n x: :class:`int`\n Координата левого верхнего угла по оси Ох\n y: :class:`int`\n Координата левого верхнего угла по оси Оy\n l: :class:`int`\n Ширина прямоугольника\n h: :class:`int`\n Высота прямоугольника\n filled: :class:`bool`\n Заливать фигуру или нет, по умолчанию False\n '
raise NotImplementedError<|docstring|>Нарисовать прямоугольник с левым верхним углом в указанных координатах
и имеющий заданную ширину и высоту.
Изменения на дисплее произойдут только после вызова метода «redraw».
Параметры
---------
x: :class:`int`
Координата левого верхнего угла по оси Ох
y: :class:`int`
Координата левого верхнего угла по оси Оy
l: :class:`int`
Ширина прямоугольника
h: :class:`int`
Высота прямоугольника
filled: :class:`bool`
Заливать фигуру или нет, по умолчанию False<|endoftext|> |
5977b9371dfb655c83236c1f8115de04e7b9897dd9d56675cb89b84be7988935 | def hide(self) -> None:
'Закрыть и очистить окно для рисования.'
raise NotImplementedError | Закрыть и очистить окно для рисования. | trik/brick.py | hide | m1raynee/trikset.py-typehint | 1 | python | def hide(self) -> None:
raise NotImplementedError | def hide(self) -> None:
raise NotImplementedError<|docstring|>Закрыть и очистить окно для рисования.<|endoftext|> |
81b982b9ff331e9f5f2dc90fd506d83c0b270013b1c1df3a524405db520decbd | def redraw(self) -> None:
'Перерисовать окно для рисования.\n\n Изменения на дисплее произойдут только после вызова этого метода.\n '
raise NotImplementedError | Перерисовать окно для рисования.
Изменения на дисплее произойдут только после вызова этого метода. | trik/brick.py | redraw | m1raynee/trikset.py-typehint | 1 | python | def redraw(self) -> None:
'Перерисовать окно для рисования.\n\n Изменения на дисплее произойдут только после вызова этого метода.\n '
raise NotImplementedError | def redraw(self) -> None:
'Перерисовать окно для рисования.\n\n Изменения на дисплее произойдут только после вызова этого метода.\n '
raise NotImplementedError<|docstring|>Перерисовать окно для рисования.
Изменения на дисплее произойдут только после вызова этого метода.<|endoftext|> |
fc3ace39bf834054777af8b3da75725f5804b60b7392a0a669111983c8332fe9 | def removeLabels(self) -> None:
'Удалить с экрана весь текст, добавленный на него вызовами метода «addLabel».'
raise NotImplementedError | Удалить с экрана весь текст, добавленный на него вызовами метода «addLabel». | trik/brick.py | removeLabels | m1raynee/trikset.py-typehint | 1 | python | def removeLabels(self) -> None:
raise NotImplementedError | def removeLabels(self) -> None:
raise NotImplementedError<|docstring|>Удалить с экрана весь текст, добавленный на него вызовами метода «addLabel».<|endoftext|> |
f147dffdbb0855add2c59eb004704abc97318061213670807ff3f9efd5596fb0 | def setBackground(self, color: _COLOR) -> None:
'Установить фон экрана в указанный цвет.\n\n Параметры\n ---------\n color: :class:`str`\n Возможные цвета:\n - white,\n - red, darkRed,\n - green, darkGreen,\n - blue, darkBlue,\n - cyan, darkCyan,\n - magenta, darkMagenta,\n - yellow, darkYellow,\n - gray, darkGray, lightGray,\n - black.\n '
raise NotImplementedError | Установить фон экрана в указанный цвет.
Параметры
---------
color: :class:`str`
Возможные цвета:
- white,
- red, darkRed,
- green, darkGreen,
- blue, darkBlue,
- cyan, darkCyan,
- magenta, darkMagenta,
- yellow, darkYellow,
- gray, darkGray, lightGray,
- black. | trik/brick.py | setBackground | m1raynee/trikset.py-typehint | 1 | python | def setBackground(self, color: _COLOR) -> None:
'Установить фон экрана в указанный цвет.\n\n Параметры\n ---------\n color: :class:`str`\n Возможные цвета:\n - white,\n - red, darkRed,\n - green, darkGreen,\n - blue, darkBlue,\n - cyan, darkCyan,\n - magenta, darkMagenta,\n - yellow, darkYellow,\n - gray, darkGray, lightGray,\n - black.\n '
raise NotImplementedError | def setBackground(self, color: _COLOR) -> None:
'Установить фон экрана в указанный цвет.\n\n Параметры\n ---------\n color: :class:`str`\n Возможные цвета:\n - white,\n - red, darkRed,\n - green, darkGreen,\n - blue, darkBlue,\n - cyan, darkCyan,\n - magenta, darkMagenta,\n - yellow, darkYellow,\n - gray, darkGray, lightGray,\n - black.\n '
raise NotImplementedError<|docstring|>Установить фон экрана в указанный цвет.
Параметры
---------
color: :class:`str`
Возможные цвета:
- white,
- red, darkRed,
- green, darkGreen,
- blue, darkBlue,
- cyan, darkCyan,
- magenta, darkMagenta,
- yellow, darkYellow,
- gray, darkGray, lightGray,
- black.<|endoftext|> |
1ea1b5dd3c45d6aced29746a1ec3346752f687af9d33e12c745629d6a5f9a930 | def setPainterColor(self, color: _COLOR) -> None:
'Установить цвет кисти, которой рисуются графические примитивы.\n\n Параметры\n ---------\n color: :class:`str`\n Возможные цвета:\n - white,\n - red, darkRed,\n - green, darkGreen,\n - blue, darkBlue,\n - cyan, darkCyan,\n - magenta, darkMagenta,\n - yellow, darkYellow,\n - gray, darkGray, lightGray,\n - black.\n '
raise NotImplementedError | Установить цвет кисти, которой рисуются графические примитивы.
Параметры
---------
color: :class:`str`
Возможные цвета:
- white,
- red, darkRed,
- green, darkGreen,
- blue, darkBlue,
- cyan, darkCyan,
- magenta, darkMagenta,
- yellow, darkYellow,
- gray, darkGray, lightGray,
- black. | trik/brick.py | setPainterColor | m1raynee/trikset.py-typehint | 1 | python | def setPainterColor(self, color: _COLOR) -> None:
'Установить цвет кисти, которой рисуются графические примитивы.\n\n Параметры\n ---------\n color: :class:`str`\n Возможные цвета:\n - white,\n - red, darkRed,\n - green, darkGreen,\n - blue, darkBlue,\n - cyan, darkCyan,\n - magenta, darkMagenta,\n - yellow, darkYellow,\n - gray, darkGray, lightGray,\n - black.\n '
raise NotImplementedError | def setPainterColor(self, color: _COLOR) -> None:
'Установить цвет кисти, которой рисуются графические примитивы.\n\n Параметры\n ---------\n color: :class:`str`\n Возможные цвета:\n - white,\n - red, darkRed,\n - green, darkGreen,\n - blue, darkBlue,\n - cyan, darkCyan,\n - magenta, darkMagenta,\n - yellow, darkYellow,\n - gray, darkGray, lightGray,\n - black.\n '
raise NotImplementedError<|docstring|>Установить цвет кисти, которой рисуются графические примитивы.
Параметры
---------
color: :class:`str`
Возможные цвета:
- white,
- red, darkRed,
- green, darkGreen,
- blue, darkBlue,
- cyan, darkCyan,
- magenta, darkMagenta,
- yellow, darkYellow,
- gray, darkGray, lightGray,
- black.<|endoftext|> |
58933b4b79b0fa0d5a054b5285c507dde275f1d436d1d1022d7c54b7d8f83c86 | def setPainterWidth(self, d: int) -> None:
'Установить толщину кисти, которой рисуются графические примитивы, в пикселях.\n\n Параметры\n ---------\n d: :class:`int`\n Толщина\n '
raise NotImplementedError | Установить толщину кисти, которой рисуются графические примитивы, в пикселях.
Параметры
---------
d: :class:`int`
Толщина | trik/brick.py | setPainterWidth | m1raynee/trikset.py-typehint | 1 | python | def setPainterWidth(self, d: int) -> None:
'Установить толщину кисти, которой рисуются графические примитивы, в пикселях.\n\n Параметры\n ---------\n d: :class:`int`\n Толщина\n '
raise NotImplementedError | def setPainterWidth(self, d: int) -> None:
'Установить толщину кисти, которой рисуются графические примитивы, в пикселях.\n\n Параметры\n ---------\n d: :class:`int`\n Толщина\n '
raise NotImplementedError<|docstring|>Установить толщину кисти, которой рисуются графические примитивы, в пикселях.
Параметры
---------
d: :class:`int`
Толщина<|endoftext|> |
553cdf6620256fedd166c6206cb9347225e5f5290b1356d5fb77f95f9846ccf8 | def show(self, array: List[int], width: int, height: int, format: _ARRAY_FORMAT) -> None:
'Вывести на дисплей контроллера изображение, преобразованное из однородного массива данных.\n\n Параметры\n ---------\n array: list[:class:`int`]\n Одномерный целочисленный массив, имеющий размеры `width` на `height`\n width: :class:`int`\n Ширина изображения\n height: :class:`int`\n Высота изображения\n format: :class:`str`\n Формат, в котором представлен каждый элемент массива.\n Сейчас поддержаны форматы: «rgb32», «grayscale8», «rgb888»\n '
raise NotImplementedError | Вывести на дисплей контроллера изображение, преобразованное из однородного массива данных.
Параметры
---------
array: list[:class:`int`]
Одномерный целочисленный массив, имеющий размеры `width` на `height`
width: :class:`int`
Ширина изображения
height: :class:`int`
Высота изображения
format: :class:`str`
Формат, в котором представлен каждый элемент массива.
Сейчас поддержаны форматы: «rgb32», «grayscale8», «rgb888» | trik/brick.py | show | m1raynee/trikset.py-typehint | 1 | python | def show(self, array: List[int], width: int, height: int, format: _ARRAY_FORMAT) -> None:
'Вывести на дисплей контроллера изображение, преобразованное из однородного массива данных.\n\n Параметры\n ---------\n array: list[:class:`int`]\n Одномерный целочисленный массив, имеющий размеры `width` на `height`\n width: :class:`int`\n Ширина изображения\n height: :class:`int`\n Высота изображения\n format: :class:`str`\n Формат, в котором представлен каждый элемент массива.\n Сейчас поддержаны форматы: «rgb32», «grayscale8», «rgb888»\n '
raise NotImplementedError | def show(self, array: List[int], width: int, height: int, format: _ARRAY_FORMAT) -> None:
'Вывести на дисплей контроллера изображение, преобразованное из однородного массива данных.\n\n Параметры\n ---------\n array: list[:class:`int`]\n Одномерный целочисленный массив, имеющий размеры `width` на `height`\n width: :class:`int`\n Ширина изображения\n height: :class:`int`\n Высота изображения\n format: :class:`str`\n Формат, в котором представлен каждый элемент массива.\n Сейчас поддержаны форматы: «rgb32», «grayscale8», «rgb888»\n '
raise NotImplementedError<|docstring|>Вывести на дисплей контроллера изображение, преобразованное из однородного массива данных.
Параметры
---------
array: list[:class:`int`]
Одномерный целочисленный массив, имеющий размеры `width` на `height`
width: :class:`int`
Ширина изображения
height: :class:`int`
Высота изображения
format: :class:`str`
Формат, в котором представлен каждый элемент массива.
Сейчас поддержаны форматы: «rgb32», «grayscale8», «rgb888»<|endoftext|> |
4f79b1fc3fedeeff26457904cc72dbee98a43b851c52bcc0203688755ce2a9ec | def showImage(self, imagePath: str) -> None:
'Вывести на экран изображение, предварительно загруженное на робот.\n\n Параметры\n ---------\n imagePath: :class:`str`\n Имя файла с изображением\n (в форматах BMP, GIF, JPG, JPEG, PNG, PBM, PGM, PPM, TIFF, XBM, XPM),\n путь указывается либо абсолютным, либо относительно папки trik.\n '
raise NotImplementedError | Вывести на экран изображение, предварительно загруженное на робот.
Параметры
---------
imagePath: :class:`str`
Имя файла с изображением
(в форматах BMP, GIF, JPG, JPEG, PNG, PBM, PGM, PPM, TIFF, XBM, XPM),
путь указывается либо абсолютным, либо относительно папки trik. | trik/brick.py | showImage | m1raynee/trikset.py-typehint | 1 | python | def showImage(self, imagePath: str) -> None:
'Вывести на экран изображение, предварительно загруженное на робот.\n\n Параметры\n ---------\n imagePath: :class:`str`\n Имя файла с изображением\n (в форматах BMP, GIF, JPG, JPEG, PNG, PBM, PGM, PPM, TIFF, XBM, XPM),\n путь указывается либо абсолютным, либо относительно папки trik.\n '
raise NotImplementedError | def showImage(self, imagePath: str) -> None:
'Вывести на экран изображение, предварительно загруженное на робот.\n\n Параметры\n ---------\n imagePath: :class:`str`\n Имя файла с изображением\n (в форматах BMP, GIF, JPG, JPEG, PNG, PBM, PGM, PPM, TIFF, XBM, XPM),\n путь указывается либо абсолютным, либо относительно папки trik.\n '
raise NotImplementedError<|docstring|>Вывести на экран изображение, предварительно загруженное на робот.
Параметры
---------
imagePath: :class:`str`
Имя файла с изображением
(в форматах BMP, GIF, JPG, JPEG, PNG, PBM, PGM, PPM, TIFF, XBM, XPM),
путь указывается либо абсолютным, либо относительно папки trik.<|endoftext|> |
fde665b46960642a7c8d65257ba2ba5b527ba181e00c63ad1b5b4cd376c9e4f5 | def read(self, portName: _PORT_NAME) -> int:
'Возвращает текущее показание энкодера в градусах на заданном порту.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError | Возвращает текущее показание энкодера в градусах на заданном порту.
Параметры
---------
portName: :class:`str`
Порт | trik/brick.py | read | m1raynee/trikset.py-typehint | 1 | python | def read(self, portName: _PORT_NAME) -> int:
'Возвращает текущее показание энкодера в градусах на заданном порту.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError | def read(self, portName: _PORT_NAME) -> int:
'Возвращает текущее показание энкодера в градусах на заданном порту.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError<|docstring|>Возвращает текущее показание энкодера в градусах на заданном порту.
Параметры
---------
portName: :class:`str`
Порт<|endoftext|> |
c17f876083d5f099711330e9b5808ac559de2d74d52825c4e6e0fbedd3d66b4e | def reset(self, portName: _PORT_NAME) -> None:
'Сбрасывает в 0 текущее показание энкодера.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError | Сбрасывает в 0 текущее показание энкодера.
Параметры
---------
portName: :class:`str`
Порт | trik/brick.py | reset | m1raynee/trikset.py-typehint | 1 | python | def reset(self, portName: _PORT_NAME) -> None:
'Сбрасывает в 0 текущее показание энкодера.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError | def reset(self, portName: _PORT_NAME) -> None:
'Сбрасывает в 0 текущее показание энкодера.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError<|docstring|>Сбрасывает в 0 текущее показание энкодера.
Параметры
---------
portName: :class:`str`
Порт<|endoftext|> |
fc16d668922ca28dc2de470157f281c90bff9626c462f4e4905a160e76d8f2c9 | def readRawData(self, portName: _PORT_NAME) -> int:
'Возвращает текущее показание энкодера в «тиках» на заданном порту.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError | Возвращает текущее показание энкодера в «тиках» на заданном порту.
Параметры
---------
portName: :class:`str`
Порт | trik/brick.py | readRawData | m1raynee/trikset.py-typehint | 1 | python | def readRawData(self, portName: _PORT_NAME) -> int:
'Возвращает текущее показание энкодера в «тиках» на заданном порту.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError | def readRawData(self, portName: _PORT_NAME) -> int:
'Возвращает текущее показание энкодера в «тиках» на заданном порту.\n\n Параметры\n ---------\n portName: :class:`str`\n Порт\n '
raise NotImplementedError<|docstring|>Возвращает текущее показание энкодера в «тиках» на заданном порту.
Параметры
---------
portName: :class:`str`
Порт<|endoftext|> |
663fcd505cb087821a42f429c8ff727abf993ff576c4ac900bd31cff5f493c7c | def calibrate(self, mesc: int) -> None:
'Вычисляет смещение нуля в течение указанного времени и инициализирует\n гироскоп этим параметром, сбрасывает текущие углы наклона.\n\n Параметры\n ---------\n mesc: :class:`int`\n Время калибровки в миллисекундах.\n Рекомендуемое время калибровки — 10-20 секунд.\n '
raise NotImplementedError | Вычисляет смещение нуля в течение указанного времени и инициализирует
гироскоп этим параметром, сбрасывает текущие углы наклона.
Параметры
---------
mesc: :class:`int`
Время калибровки в миллисекундах.
Рекомендуемое время калибровки — 10-20 секунд. | trik/brick.py | calibrate | m1raynee/trikset.py-typehint | 1 | python | def calibrate(self, mesc: int) -> None:
'Вычисляет смещение нуля в течение указанного времени и инициализирует\n гироскоп этим параметром, сбрасывает текущие углы наклона.\n\n Параметры\n ---------\n mesc: :class:`int`\n Время калибровки в миллисекундах.\n Рекомендуемое время калибровки — 10-20 секунд.\n '
raise NotImplementedError | def calibrate(self, mesc: int) -> None:
'Вычисляет смещение нуля в течение указанного времени и инициализирует\n гироскоп этим параметром, сбрасывает текущие углы наклона.\n\n Параметры\n ---------\n mesc: :class:`int`\n Время калибровки в миллисекундах.\n Рекомендуемое время калибровки — 10-20 секунд.\n '
raise NotImplementedError<|docstring|>Вычисляет смещение нуля в течение указанного времени и инициализирует
гироскоп этим параметром, сбрасывает текущие углы наклона.
Параметры
---------
mesc: :class:`int`
Время калибровки в миллисекундах.
Рекомендуемое время калибровки — 10-20 секунд.<|endoftext|> |
186ba852f885cb9382283704ea9a342f488f132b58b8c2e6c568a93a65318f16 | def getCalibrationValues(self) -> BIOS:
'Возвращает объект, в котором содержатся необходимые данные о смещении нуля.'
raise NotImplementedError | Возвращает объект, в котором содержатся необходимые данные о смещении нуля. | trik/brick.py | getCalibrationValues | m1raynee/trikset.py-typehint | 1 | python | def getCalibrationValues(self) -> BIOS:
raise NotImplementedError | def getCalibrationValues(self) -> BIOS:
raise NotImplementedError<|docstring|>Возвращает объект, в котором содержатся необходимые данные о смещении нуля.<|endoftext|> |
e72edfb266ccbdbb34f612daaa141fe4cd6a6914d0458de343cde2d26f593633 | def isCalibrated(self) -> bool:
'Возвращает `True` в случае завершении калибровки, `False` — в противном случае.'
raise NotImplementedError | Возвращает `True` в случае завершении калибровки, `False` — в противном случае. | trik/brick.py | isCalibrated | m1raynee/trikset.py-typehint | 1 | python | def isCalibrated(self) -> bool:
raise NotImplementedError | def isCalibrated(self) -> bool:
raise NotImplementedError<|docstring|>Возвращает `True` в случае завершении калибровки, `False` — в противном случае.<|endoftext|> |
cc3c228cf9f1a4fe6550ea81393ff02af379b0fcdd5930f73d5c7c97da51fcf6 | def read(self) -> List[int]:
'Возвращает массив из семи элементов:\n - 0-2 — угловые скорости по трем осям (в миллиградусах/секунды),\n - 3 — время последнего замера (в микросекундах),\n - 4-6 — углы наклона по трем осям (в миллиградусах).\n '
raise NotImplementedError | Возвращает массив из семи элементов:
- 0-2 — угловые скорости по трем осям (в миллиградусах/секунды),
- 3 — время последнего замера (в микросекундах),
- 4-6 — углы наклона по трем осям (в миллиградусах). | trik/brick.py | read | m1raynee/trikset.py-typehint | 1 | python | def read(self) -> List[int]:
'Возвращает массив из семи элементов:\n - 0-2 — угловые скорости по трем осям (в миллиградусах/секунды),\n - 3 — время последнего замера (в микросекундах),\n - 4-6 — углы наклона по трем осям (в миллиградусах).\n '
raise NotImplementedError | def read(self) -> List[int]:
'Возвращает массив из семи элементов:\n - 0-2 — угловые скорости по трем осям (в миллиградусах/секунды),\n - 3 — время последнего замера (в микросекундах),\n - 4-6 — углы наклона по трем осям (в миллиградусах).\n '
raise NotImplementedError<|docstring|>Возвращает массив из семи элементов:
- 0-2 — угловые скорости по трем осям (в миллиградусах/секунды),
- 3 — время последнего замера (в микросекундах),
- 4-6 — углы наклона по трем осям (в миллиградусах).<|endoftext|> |
71e6c53874b075b817d8baae6efc63738d2f6f72e6b858835c544d4d4b5eb3d1 | def readRawData(self) -> List[int]:
'Возвращает массив из трех элементов с угловыми скоростями по трем осям.'
raise NotImplementedError | Возвращает массив из трех элементов с угловыми скоростями по трем осям. | trik/brick.py | readRawData | m1raynee/trikset.py-typehint | 1 | python | def readRawData(self) -> List[int]:
raise NotImplementedError | def readRawData(self) -> List[int]:
raise NotImplementedError<|docstring|>Возвращает массив из трех элементов с угловыми скоростями по трем осям.<|endoftext|> |
73dfad8648f3f6523f33fa33b56a1753daa762e7116093275966256e19ee9e43 | def setCalibrationValues(self, values: BIOS) -> None:
'Устанавливает объект, содержащий необходимые параметры о смещении нуля.\n Параметры\n ---------\n mesc: :class:`int`\n Время калибровки в миллисекундах.\n Рекомендуемое время калибровки — 10-20 секунд.\n '
raise NotImplementedError | Устанавливает объект, содержащий необходимые параметры о смещении нуля.
Параметры
---------
mesc: :class:`int`
Время калибровки в миллисекундах.
Рекомендуемое время калибровки — 10-20 секунд. | trik/brick.py | setCalibrationValues | m1raynee/trikset.py-typehint | 1 | python | def setCalibrationValues(self, values: BIOS) -> None:
'Устанавливает объект, содержащий необходимые параметры о смещении нуля.\n Параметры\n ---------\n mesc: :class:`int`\n Время калибровки в миллисекундах.\n Рекомендуемое время калибровки — 10-20 секунд.\n '
raise NotImplementedError | def setCalibrationValues(self, values: BIOS) -> None:
'Устанавливает объект, содержащий необходимые параметры о смещении нуля.\n Параметры\n ---------\n mesc: :class:`int`\n Время калибровки в миллисекундах.\n Рекомендуемое время калибровки — 10-20 секунд.\n '
raise NotImplementedError<|docstring|>Устанавливает объект, содержащий необходимые параметры о смещении нуля.
Параметры
---------
mesc: :class:`int`
Время калибровки в миллисекундах.
Рекомендуемое время калибровки — 10-20 секунд.<|endoftext|> |
c7df09db18f3abc4f976f3256a239370263700db6c0ab815e66fa4febaceeb1d | def isPressed(self, key: KeysEnum) -> bool:
'Возвращает `True`, если кнопка с указанным кодом нажата в данный момент.\n\n Параметры\n ---------\n key: :class:`KeysEnum`\n Кнопка с кодом\n '
raise NotImplementedError | Возвращает `True`, если кнопка с указанным кодом нажата в данный момент.
Параметры
---------
key: :class:`KeysEnum`
Кнопка с кодом | trik/brick.py | isPressed | m1raynee/trikset.py-typehint | 1 | python | def isPressed(self, key: KeysEnum) -> bool:
'Возвращает `True`, если кнопка с указанным кодом нажата в данный момент.\n\n Параметры\n ---------\n key: :class:`KeysEnum`\n Кнопка с кодом\n '
raise NotImplementedError | def isPressed(self, key: KeysEnum) -> bool:
'Возвращает `True`, если кнопка с указанным кодом нажата в данный момент.\n\n Параметры\n ---------\n key: :class:`KeysEnum`\n Кнопка с кодом\n '
raise NotImplementedError<|docstring|>Возвращает `True`, если кнопка с указанным кодом нажата в данный момент.
Параметры
---------
key: :class:`KeysEnum`
Кнопка с кодом<|endoftext|> |
4fd3f8e4103538771e4a8f7aa4b09a6a5fd19d2218bdb9a0b4b0d357702a9e31 | def reset(self) -> None:
'Сбрасывает запомненные нажатия кнопок.'
raise NotImplementedError | Сбрасывает запомненные нажатия кнопок. | trik/brick.py | reset | m1raynee/trikset.py-typehint | 1 | python | def reset(self) -> None:
raise NotImplementedError | def reset(self) -> None:
raise NotImplementedError<|docstring|>Сбрасывает запомненные нажатия кнопок.<|endoftext|> |
5ea7f21d13f2056a2d7bdc251b969685965dc39cf2658636ac5e7e56037a7471 | def wasPressed(self, key: KeysEnum) -> bool:
'Возвращает, была ли нажата кнопка с указанным кодом,\n сбрасывает запомненные нажатия для этой кнопки.\n\n Параметры\n ---------\n key: :class:`KeysEnum`\n Кнопка с кодом\n '
raise NotImplementedError | Возвращает, была ли нажата кнопка с указанным кодом,
сбрасывает запомненные нажатия для этой кнопки.
Параметры
---------
key: :class:`KeysEnum`
Кнопка с кодом | trik/brick.py | wasPressed | m1raynee/trikset.py-typehint | 1 | python | def wasPressed(self, key: KeysEnum) -> bool:
'Возвращает, была ли нажата кнопка с указанным кодом,\n сбрасывает запомненные нажатия для этой кнопки.\n\n Параметры\n ---------\n key: :class:`KeysEnum`\n Кнопка с кодом\n '
raise NotImplementedError | def wasPressed(self, key: KeysEnum) -> bool:
'Возвращает, была ли нажата кнопка с указанным кодом,\n сбрасывает запомненные нажатия для этой кнопки.\n\n Параметры\n ---------\n key: :class:`KeysEnum`\n Кнопка с кодом\n '
raise NotImplementedError<|docstring|>Возвращает, была ли нажата кнопка с указанным кодом,
сбрасывает запомненные нажатия для этой кнопки.
Параметры
---------
key: :class:`KeysEnum`
Кнопка с кодом<|endoftext|> |
b656a2ee981f30fca75418bfdfde19e9ec4f475c83155eb0bf891f14ad0076df | def red(self) -> None:
'Включает светодиод в режим «красный».'
raise NotImplementedError | Включает светодиод в режим «красный». | trik/brick.py | red | m1raynee/trikset.py-typehint | 1 | python | def red(self) -> None:
raise NotImplementedError | def red(self) -> None:
raise NotImplementedError<|docstring|>Включает светодиод в режим «красный».<|endoftext|> |
a3c5daf5d30462a19f806f51391919a3ce55276d488447dabe3277a7a10ffc0d | def green(self) -> None:
'Включает светодиод в режим «зелёный».'
raise NotImplementedError | Включает светодиод в режим «зелёный». | trik/brick.py | green | m1raynee/trikset.py-typehint | 1 | python | def green(self) -> None:
raise NotImplementedError | def green(self) -> None:
raise NotImplementedError<|docstring|>Включает светодиод в режим «зелёный».<|endoftext|> |
59062e95c0eb20e3ae8be27137ff5656c12206c67ea71e665c9299ee0bc7b6c8 | def orange(self) -> None:
'Включает светодиод в режим «оранжевый».'
raise NotImplementedError | Включает светодиод в режим «оранжевый». | trik/brick.py | orange | m1raynee/trikset.py-typehint | 1 | python | def orange(self) -> None:
raise NotImplementedError | def orange(self) -> None:
raise NotImplementedError<|docstring|>Включает светодиод в режим «оранжевый».<|endoftext|> |
6fbdf7fb526118fd2c61926f80bf1628dcdf19a2cbd1d74c20d7d7644879ee4b | def off(self) -> None:
'Выключает светодиод.'
raise NotImplementedError | Выключает светодиод. | trik/brick.py | off | m1raynee/trikset.py-typehint | 1 | python | def off(self) -> None:
raise NotImplementedError | def off(self) -> None:
raise NotImplementedError<|docstring|>Выключает светодиод.<|endoftext|> |
a902b015c2e4a3e76030a1ad4898a0490e3c017845bd26f97f0976beaf68d045 | def detect(self) -> None:
'Определяет доминирующий цвет в вертикальной полосе в центре кадра\n и запоминает его как цвет линии. После этого метод «read» начинает\n возвращать данные для этой линии.\n '
raise NotImplementedError | Определяет доминирующий цвет в вертикальной полосе в центре кадра
и запоминает его как цвет линии. После этого метод «read» начинает
возвращать данные для этой линии. | trik/brick.py | detect | m1raynee/trikset.py-typehint | 1 | python | def detect(self) -> None:
'Определяет доминирующий цвет в вертикальной полосе в центре кадра\n и запоминает его как цвет линии. После этого метод «read» начинает\n возвращать данные для этой линии.\n '
raise NotImplementedError | def detect(self) -> None:
'Определяет доминирующий цвет в вертикальной полосе в центре кадра\n и запоминает его как цвет линии. После этого метод «read» начинает\n возвращать данные для этой линии.\n '
raise NotImplementedError<|docstring|>Определяет доминирующий цвет в вертикальной полосе в центре кадра
и запоминает его как цвет линии. После этого метод «read» начинает
возвращать данные для этой линии.<|endoftext|> |
59792553d268b3c44d61cdfd2e647f7be3de584f28f3e107ade23993ca087100 | def init(self, show_to_screen: bool) -> None:
'Включает видеокамеру и инициализирует её в режиме датчика линии.\n Булевый параметр определяет, выводить ли на экран изображение с камеры.\n\n Параметры\n ---------\n show_to_screen: :class:`bool`\n Выводить ли на экран изображение с камеры\n '
raise NotImplementedError | Включает видеокамеру и инициализирует её в режиме датчика линии.
Булевый параметр определяет, выводить ли на экран изображение с камеры.
Параметры
---------
show_to_screen: :class:`bool`
Выводить ли на экран изображение с камеры | trik/brick.py | init | m1raynee/trikset.py-typehint | 1 | python | def init(self, show_to_screen: bool) -> None:
'Включает видеокамеру и инициализирует её в режиме датчика линии.\n Булевый параметр определяет, выводить ли на экран изображение с камеры.\n\n Параметры\n ---------\n show_to_screen: :class:`bool`\n Выводить ли на экран изображение с камеры\n '
raise NotImplementedError | def init(self, show_to_screen: bool) -> None:
'Включает видеокамеру и инициализирует её в режиме датчика линии.\n Булевый параметр определяет, выводить ли на экран изображение с камеры.\n\n Параметры\n ---------\n show_to_screen: :class:`bool`\n Выводить ли на экран изображение с камеры\n '
raise NotImplementedError<|docstring|>Включает видеокамеру и инициализирует её в режиме датчика линии.
Булевый параметр определяет, выводить ли на экран изображение с камеры.
Параметры
---------
show_to_screen: :class:`bool`
Выводить ли на экран изображение с камеры<|endoftext|> |
5043809048b053afb3d3caa6cac280a0c30472383f234af386194dbab44a89f7 | def read(self) -> List[int]:
'Возвращает массив, в ячейках которого находятся следующие данные:\n - в нулевой ячейке координата по оси X центра линии относительно центра кадра\n (от -100 до 100, -100 — центр линии на краю кадра слева);\n - в первой ячейке — вероятность перекрёстка\n (число от 0 до 100, показывающее сколько точек цвета линии находится в горизонтальной полосе в центре кадра);\n - во второй ячейке — относительный размер линии, число от 0 до 100\n (100 — линия занимает почти весь кадр, 0 — линии нет на кадре).\n '
raise NotImplementedError | Возвращает массив, в ячейках которого находятся следующие данные:
- в нулевой ячейке координата по оси X центра линии относительно центра кадра
(от -100 до 100, -100 — центр линии на краю кадра слева);
- в первой ячейке — вероятность перекрёстка
(число от 0 до 100, показывающее сколько точек цвета линии находится в горизонтальной полосе в центре кадра);
- во второй ячейке — относительный размер линии, число от 0 до 100
(100 — линия занимает почти весь кадр, 0 — линии нет на кадре). | trik/brick.py | read | m1raynee/trikset.py-typehint | 1 | python | def read(self) -> List[int]:
'Возвращает массив, в ячейках которого находятся следующие данные:\n - в нулевой ячейке координата по оси X центра линии относительно центра кадра\n (от -100 до 100, -100 — центр линии на краю кадра слева);\n - в первой ячейке — вероятность перекрёстка\n (число от 0 до 100, показывающее сколько точек цвета линии находится в горизонтальной полосе в центре кадра);\n - во второй ячейке — относительный размер линии, число от 0 до 100\n (100 — линия занимает почти весь кадр, 0 — линии нет на кадре).\n '
raise NotImplementedError | def read(self) -> List[int]:
'Возвращает массив, в ячейках которого находятся следующие данные:\n - в нулевой ячейке координата по оси X центра линии относительно центра кадра\n (от -100 до 100, -100 — центр линии на краю кадра слева);\n - в первой ячейке — вероятность перекрёстка\n (число от 0 до 100, показывающее сколько точек цвета линии находится в горизонтальной полосе в центре кадра);\n - во второй ячейке — относительный размер линии, число от 0 до 100\n (100 — линия занимает почти весь кадр, 0 — линии нет на кадре).\n '
raise NotImplementedError<|docstring|>Возвращает массив, в ячейках которого находятся следующие данные:
- в нулевой ячейке координата по оси X центра линии относительно центра кадра
(от -100 до 100, -100 — центр линии на краю кадра слева);
- в первой ячейке — вероятность перекрёстка
(число от 0 до 100, показывающее сколько точек цвета линии находится в горизонтальной полосе в центре кадра);
- во второй ячейке — относительный размер линии, число от 0 до 100
(100 — линия занимает почти весь кадр, 0 — линии нет на кадре).<|endoftext|> |
f7db3fc17c9d14c95d56c570e5a55f1e6c00f3716623a481ed9ba3685a137ddd | def stop(self) -> None:
'Выключает видеокамеру и прекращает работу датчика.'
raise NotImplementedError | Выключает видеокамеру и прекращает работу датчика. | trik/brick.py | stop | m1raynee/trikset.py-typehint | 1 | python | def stop(self) -> None:
raise NotImplementedError | def stop(self) -> None:
raise NotImplementedError<|docstring|>Выключает видеокамеру и прекращает работу датчика.<|endoftext|> |
935bada67ad47712b175d3efcfc27beca0f25a2de349ae58c31c31c49ba332dd | def brake(self, durationMs: int) -> None:
'Блокировка моторов для торможения в течение указанного времени в миллисекундах.\n\n Параметры\n ---------\n durationMs: :class:`int`\n Время в миллисекундах\n '
raise NotImplementedError | Блокировка моторов для торможения в течение указанного времени в миллисекундах.
Параметры
---------
durationMs: :class:`int`
Время в миллисекундах | trik/brick.py | brake | m1raynee/trikset.py-typehint | 1 | python | def brake(self, durationMs: int) -> None:
'Блокировка моторов для торможения в течение указанного времени в миллисекундах.\n\n Параметры\n ---------\n durationMs: :class:`int`\n Время в миллисекундах\n '
raise NotImplementedError | def brake(self, durationMs: int) -> None:
'Блокировка моторов для торможения в течение указанного времени в миллисекундах.\n\n Параметры\n ---------\n durationMs: :class:`int`\n Время в миллисекундах\n '
raise NotImplementedError<|docstring|>Блокировка моторов для торможения в течение указанного времени в миллисекундах.
Параметры
---------
durationMs: :class:`int`
Время в миллисекундах<|endoftext|> |
97f49954b2d61c814b971794160a9f416426185e853f4235e866d5da2e4ca904 | def power(self) -> int:
'Возвращает текущую мощность мотора (от -100 до 100).'
raise NotImplementedError | Возвращает текущую мощность мотора (от -100 до 100). | trik/brick.py | power | m1raynee/trikset.py-typehint | 1 | python | def power(self) -> int:
raise NotImplementedError | def power(self) -> int:
raise NotImplementedError<|docstring|>Возвращает текущую мощность мотора (от -100 до 100).<|endoftext|> |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.