utils

BasicBackend Objects

class BasicBackend()

可视化展示后端，直接通过窗口显示

save

def save(plt, figure, name)

保存绘制的图像

Arguments:

• plt: 绘图对象
• figure: 图对象
• name: 名称标识

VisDomBackend Objects

class VisDomBackend()

VisDom 显示后端，将显示结果推送到 VisDom

__init__

def __init__()

创建VisDom 后端

save

def save(plt, figure, name)

保存绘制的图像

Arguments:

• plt: 绘图对象
• figure: 图对象
• name: 名称标识

TensorBoardBackend Objects

class TensorBoardBackend()

Tensor board 后端

__init__

def __init__()

创建 TensorBoard后端

__del__

def __del__()

关闭 Writer

save

def save(plt, figure, name)

保存绘制的图像

Arguments:

• plt: 绘图对象
• figure: 图对象
• name: 名称标识

VisualizeHelper Objects

class VisualizeHelper()

模型可视化辅助类

__init__

def __init__(backend)

通过指定显示后端创建一个可视化辅助实例

Arguments:

• backend BasicBackend - 显示后端实例

plotPotentials

@staticmethod
def plotPotentials(captures, indexes, timeStep=1.0)

绘制捕获的神经元电位，不创建新的图，也不进行保存或显示 前置条件:

1. 在运行前，你必须先通过操作 AddMonitors(model, ["potentials", "output", "firePotentials"]); 添加对相关模型的变量监控

2. 运行后，通过接口getCaptures (model, ["potentials", "output", "firePotentials"]);获取捕获的数据

Arguments:

• captures ocean.CaptureBuffer array - NeuronGroup监控数据缓冲, 0 is potentials, 1 is output, 2 is firePotentials
• indexes int array - 需要绘制的神经元的索引
• timeStep float, optional - [NeuronGroup 时间步长 step]. 默认为 1.0.

plotGroupPotentials

def plotGroupPotentials(captures, indexes, name, timeStep=1.0)

绘制神经元组电位变化，并进行保存或显示 前置条件:

1. 在运行前，你必须先通过操作AddMonitors(model, ["potentials", "output", "firePotentials"]); 添加对相关模型的变量监控

2. 运行后，通过接口getCaptures (model, ["potentials", "output", "firePotentials"]);获取捕获的数据

Arguments:

• captures ocean.CaptureBuffer array - NeuronGroup监控数据缓冲, 0 is potentials, 1 is output, 2 is firePotentials
• indexes int array - 需要绘制的神经元的索引
• name string - 保存或显示的名称标识
• timeStep float, optional - [NeuronGroup 时间步长 step]. 默认为 1.0.

plotStatus

@staticmethod
def plotStatus(capture, indexes, timeStep=1.0)

绘制捕获的变量状态，不创建新的图，也不进行保存或显示 前置条件:

1. 在运行前，你必须先通过操作AddMonitor(model, statusName); 添加对相关模型的变量监控

2. 运行后，通过接口ggetCapture (model, statusName);获取捕获的数据

Arguments:

• capture ocean.CaptureBuffer array - 变量的监控数据缓冲
• indexes int array - 需要绘制的元素的索引
• timeStep float, optional - [模型的 时间步长 step]. 默认为 1.0.

plotNodeStatus

def plotNodeStatus(capture, indexes, name, timeStep=1.0)

绘制捕获的变量状态,并进行保存或显示 前置条件:

1. 在运行前，你必须先通过操作AddMonitor(model, statusName); 添加对相关模型的变量监控

2. 运行后，通过接口ggetCapture (model, statusName);获取捕获的数据

Arguments:

• capture ocean.CaptureBuffer array - 变量的监控数据缓冲
• indexes int array - 需要绘制的元素的索引
• name string - 保存或显示的名称标识
• timeStep float, optional - [模型的 时间步长 step]. 默认为 1.0.

visualizeConnectivity

def visualizeConnectivity(connectionModel, title)

可视化连接模型的连接请看

Arguments:

• connectionModel ocean.ConnectionModel - 显示的连接模型
• title string - 显示的标题

DatasetHelper Objects

class DatasetHelper()

数据集辅助类

scanFiles

@staticmethod
def scanFiles(directory, prefix=None, postfix=None)

扫描指定的目录directory, 匹配相关的前缀或后缀，返回一个包括所有完整路径的数组 后缀和前缀不同时有效，后缀有效，则前缀不再有效，后缀为None，前缀才有效

Arguments:

• directory String - 被扫描的路径
• prefix [String], Optional - 文件前缀. 默认 none.
• postfix [String], Optional - 文件后缀. 默认 None.

Returns:

mat2Spikes

@staticmethod
def mat2Spikes(mat, rows, cols, timezone)

根据指定的mat生成指定周期的脉冲序列

Arguments:

• mat cv.image - 图片数据，一个通道
• rows int - mat 高度
• cols int - mat 宽度
• timezone Number - 总的周期数

Returns:

• [np.array] - 脉冲序列 维度为[timezone, rows, cols]

loadGraySequence

@staticmethod
def loadGraySequence(path, rows, cols, timezone)

以灰度格式加载图片，并缩放到指定的尺寸，然后转换为指定周期的脉冲序列数组

Arguments:

• path string - 图片路径
• rows int - 目标图片高度
• cols int - 目标图片宽度
• timezone number - 总的周期数

Returns:

np.array] 脉冲序列 维度为[timezone, rows, cols]

loadRGBSequence

@staticmethod
def loadRGBSequence(path, rows, cols, timezone)

以彩色格式加载图片，并缩放到指定的尺寸，然后转换为指定周期的脉冲序列数组

Arguments:

• path string - 图片路径
• rows int - 目标图片高度
• cols int - 目标图片宽度
• timezone number - 总的周期数

Returns:

array, np.array: 脉冲序列的数组, r 维度为[timezone, rows, cols], g 维度为[timezone, rows, cols], b 维度为[timezone, rows, cols]

mat2Probability

@staticmethod
def mat2Probability(image, rows, cols, scaled=1.0)

将image 转换为脉冲生成概率矩阵， scaled表示缩放比例

Arguments:

• image - 图片数据
• rows - 图片高度
• cols - 图片宽度
• scaled - 说法比例

Returns:

np.array] 概率矩阵 维度为[rows, cols]

loadGrayProbability

@staticmethod
def loadGrayProbability(path, rows, cols, scaled)

以灰度格式加载图片，并缩放到指定的尺寸，然后转换为脉冲概率生成矩阵

Arguments:

• path string - 图片路径
• rows int - 目标图片高度
• cols int - 目标图片宽度
• scaled number - 缩放比例

Returns:

np.array] 概率矩阵 维度为[rows, cols]

loadRGBProbability

@staticmethod
def loadRGBProbability(path, rows, cols, scaled)

以彩色格式加载图片，并缩放到指定的尺寸，然后转换为脉冲概率生成矩阵

Arguments:

• path string - 图片路径
• rows int - 目标图片高度
• cols int - 目标图片宽度
• scaled number - 缩放比例

Returns:

array, np.array: 脉冲生成矩阵的数组, r 维度为[rows, cols], g 维度为[rows, cols], b 维度为[rows, cols]