Issue Title: [Feature Request] Implement a Standardized Python Data Loader for simulationResults.
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- numpy, pandas, python
- Área
- data, machine-learning
Línea de trabajo
Comienza inspeccionando los conjuntos de datos simulationResults y la fórmula de indexación del issue para determinar la disposición de entrada y las métricas que deben exponerse. Define el alcance de data_loader.py de modo que acepte un directorio y devuelva un array de NumPy limpio o un Pandas DataFrame, demostrando que se ha completado al eliminar los cálculos manuales de offsets por parte de los llamadores.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
The Problem: I’ve been diving into the simulation datasets, and while the data is great, the manual indexing required to get to the metrics is a bit of a headache. Having to calculate offsets like line[nn3 + (src_node*n+dst_node)*7] every time is pretty tedious and, honestly, a magnet for "off-by-one" errors.
Right now, if someone wants to jump in and start training a model in PyTorch or TensorFlow, they have to spend a couple of hours just writing a parser before they can even see the data. It’s a bit of a barrier for people who just want to experiment with RouteNet.
The Fix: I think we should have a simple Python utility (maybe a data_loader.py) that abstracts all this math away. Ideally, a user should be able to just point it at a directory and get back a clean NumPy array or a Pandas DataFrame.
- Lenguaje dominante
- Sin datos de lenguaje
- Estrellas
- 110
- Forks
- 20
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de BNN-UPC/NetworkModelingDatasets
-
Dificultad 1/5 1-3 horas Aptitud para principiantes 45/100
-
Dificultad 3/5 1-2 días Aptitud para principiantes 20/100
Todos los issues de BNN-UPC/NetworkModelingDatasets
Issues similares
-
Report: A few extra shortlinksAbiertocheck:passed streams:remove
Dificultad 1/5 Menos de una hora Aptitud para principiantes 70/100
Los mantenedores suelen responder en 1 día
-
GLM-5.3 available on bedrock nowAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
anomalyco/models.dev#8862 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 64/100
Los mantenedores suelen responder en 2 días
-
Drained trajectory arrays are overwritten when the sequence buffer is reusedPosiblemente ocupada @sylvesterkaczmarek la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
google-deepmind/bsuite#56 ·
-
[bug] Part headings suppress structural chapter countPosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
virgiliojr94/book-to-skill#271 ·
Los mantenedores suelen responder en 5 días