pymvpa2-mkds - ക്ലൗഡിൽ ഓൺലൈനിൽ

പട്ടിക:

NAME

pymvpa2-mkds - വിവിധ ഉറവിടങ്ങളിൽ നിന്ന് ഒരു PyMVPA ഡാറ്റാസെറ്റ് സൃഷ്ടിക്കുക

സിനോപ്സിസ്

pymvpa2 mkds [--പതിപ്പ്] [-h] [-i [ഡാറ്റാസെറ്റ് [ഡാറ്റാസെറ്റ് ...]]] [--txt-data , VALUE- [, VALUE- ...] |
--npy-data , VALUE- [, VALUE- ...] | --mri-data ചിത്രം [ചിത്രം ...] | --openfmri-modelbold സ്പെക്ക്
സ്പെക്ക് സ്പെക്ക് സ്പെക്ക്] [--add-sa , VALUE- [, VALUE- ...]] [--add-fa , VALUE- [, VALUE- ...]] [--add-sa-txt
, VALUE- [, VALUE- ...]] [--add-fa-txt , VALUE- [, VALUE- ...]] [--add-sa-attr ഫയലിന്റെ പേര്] [--add-sa-npy
, VALUE- [, VALUE- ...]] [--add-fa-npy , VALUE- [, VALUE- ...]] [--മാസ്ക് ചിത്രം] [--add-vol-attr ARG
ARG] [--add-fsl-mcpar ഫയലിന്റെ പേര്] -o ഔട്ട്പ് [--hdf5-കംപ്രഷൻ തരം]

വിവരണം

വിവിധ ഉറവിടങ്ങളിൽ നിന്ന് ഒരു PyMVPA ഡാറ്റാസെറ്റ് സൃഷ്‌ടിക്കുക.

ഈ കമാൻഡ് ടെക്സ്റ്റ് ഫയലുകൾ, NumPy-യുടെ NPY ഫയലുകൾ, എന്നിങ്ങനെ വിവിധ ഉറവിടങ്ങളിൽ നിന്നുള്ള ഡാറ്റ പരിവർത്തനം ചെയ്യുന്നു.
HDF5 ഫോർമാറ്റിൽ സംഭരിക്കുന്ന PyMVPA ഡാറ്റാസെറ്റിലേക്ക് MR (മാഗ്നെറ്റിക് റെസൊണൻസ്) ചിത്രങ്ങൾ.
ഒരു ഡാറ്റാസെറ്റിലേക്ക് സാമ്പിളുകളുടെയും ഫീച്ചർ ആട്രിബ്യൂട്ടുകളുടെയും അനിയന്ത്രിതമായ എണ്ണം ചേർക്കാവുന്നതാണ്, കൂടാതെ
വ്യക്തിഗത ആട്രിബ്യൂട്ടുകൾ വൈവിധ്യമാർന്ന ഉറവിടങ്ങളിൽ നിന്ന് വായിക്കാൻ കഴിയും (ഉദാ. അവ ആയിരിക്കണമെന്നില്ല
എല്ലാം ടെക്സ്റ്റ് ഫയലുകളിൽ നിന്ന്).

MR ഇമേജുകളിൽ നിന്നുള്ള ഡാറ്റാസെറ്റുകൾക്ക് ഈ കമാൻഡ് അധികമുള്ളവയുടെ സ്വയമേവ പരിവർത്തനം ചെയ്യുന്നതിനെയും പിന്തുണയ്ക്കുന്നു
(വോള്യൂമെട്രിക്) ഫീച്ചർ ആട്രിബ്യൂട്ടുകളിലേക്ക് ചിത്രങ്ങൾ. സവിശേഷതകൾ വിവരിക്കുന്നതിന് ഇത് ഉപയോഗപ്രദമാകും
ഉദാഹരണത്തിന്, അറ്റ്ലസ് ലേബലുകൾക്കൊപ്പം.

കമാൻഡ് ലൈനിൽ ആട്രിബ്യൂട്ടുകൾ രചിക്കുക

ഓപ്ഷനുകൾ --add-sa ഒപ്പം --add-fa The-ൽ നേരിട്ട് ഡാറ്റാസെറ്റ് ആട്രിബ്യൂട്ടുകൾ രചിക്കാൻ ഉപയോഗിക്കാം
കമാൻഡ് ലൈൻ. വാക്യഘടന ഇതാണ്:

... --add-sa [DTYPE]

ഇവിടെ ഓപ്‌ഷണൽ 'DTYPE' ഒരു NumPy ഡാറ്റാ തരത്തിന്റെ ഏതെങ്കിലും ഐഡന്റിഫയർ ആണ് (ഉദാ 'int', അല്ലെങ്കിൽ
'float32'). ഡാറ്റ തരങ്ങളൊന്നും വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ, ആട്രിബ്യൂട്ട് മൂല്യങ്ങൾ സ്ട്രിംഗുകളായിരിക്കും.

ഒരു ആട്രിബ്യൂട്ട് മൂല്യം മാത്രമേ നൽകിയിട്ടുള്ളൂ എങ്കിൽ, അത് പകർത്തി എല്ലാ എൻട്രികളിലേക്കും അസൈൻ ചെയ്യും
ഡാറ്റാസെറ്റ്.

ടെക്‌സ്‌റ്റ് ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡുചെയ്യുക

ടെക്സ്റ്റ് ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡുചെയ്യുന്നതിനുള്ള എല്ലാ ഓപ്ഷനുകളും ട്വീക്ക് ചെയ്യുന്നതിനുള്ള ഓപ്ഷണൽ പാരാമീറ്ററുകളെ പിന്തുണയ്ക്കുന്നു
പരിവർത്തനം:

... --add-sa-txt [ഡിലിമിറ്റർ [DTYPE [SKIPROWS [അഭിപ്രായങ്ങൾ]]]]

ഇവിടെ 'DELIMITER' എന്നത് ഇൻപുട്ട് ഫയലിലെ മൂല്യങ്ങൾ വേർതിരിക്കാൻ ഉപയോഗിക്കുന്ന സ്ട്രിംഗ് ആണ്, 'DTYPE'
ഒരു NumPy ഡാറ്റാ തരത്തിന്റെ ഏതെങ്കിലും ഐഡന്റിഫയർ (ഉദാ: 'int', അല്ലെങ്കിൽ 'float32'), 'SKIPROWS' എന്നത് ഒരു
ബന്ധപ്പെട്ട ഫയലിന്റെ തുടക്കത്തിൽ എത്ര വരികൾ ഉണ്ടായിരിക്കണം എന്ന് സൂചിപ്പിക്കുന്ന പൂർണ്ണസംഖ്യ
അവഗണിച്ചു, കമന്റ് ലൈനുകൾ എങ്ങനെ അവഗണിക്കണം എന്ന് സൂചിപ്പിക്കുന്ന ഒരു സ്ട്രിംഗ് ആണ് 'COMMENTS'
ഫയലിൽ പ്രിഫിക്സ് ചെയ്തു.

NUMPY NPY ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡ് ചെയ്യുക

NumPy NPY ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡുചെയ്യുന്നതിനുള്ള എല്ലാ ഓപ്ഷനുകളും ഒരു ഓപ്ഷണൽ പാരാമീറ്ററിനെ പിന്തുണയ്ക്കുന്നു:

... --add-fa-npy [MEMMAP]

ഇവിടെ 'MEMMAP' എന്നത് ബന്ധപ്പെട്ട ഫയൽ വായിക്കണോ എന്ന് ട്രിഗർ ചെയ്യുന്ന ഒരു ഫ്ലാഗ് ആണ്
മെമ്മറി-മാപ്പിംഗ്, അതായത് മെമ്മറിയിലേക്ക് (ഉടനെ) വായിക്കരുത്. ഇനിപ്പറയുന്നവ ഉപയോഗിച്ച് പ്രവർത്തനക്ഷമമാക്കുക:
അതെ|1|ശരി|പ്രാപ്തമാക്കുക|ഓൺ'.

ഓപ്ഷനുകൾ

--പതിപ്പ്
പ്രോഗ്രാമിന്റെ പതിപ്പും ലൈസൻസ് വിവരങ്ങളും കാണിച്ച് പുറത്തുകടക്കുക

-h, --സഹായിക്കൂ, --help-np
ഈ സഹായ സന്ദേശം കാണിച്ച് പുറത്തുകടക്കുക. --help-np ഒരു പേജറിന്റെ ഉപയോഗം ബലമായി പ്രവർത്തനരഹിതമാക്കുന്നു
സഹായം പ്രദർശിപ്പിക്കുന്നതിന്.

-i [ഡാറ്റസെറ്റ് [ഡാറ്റസെറ്റ് ...]], --ഇൻപുട്ട് [ഡാറ്റസെറ്റ് [ഡാറ്റസെറ്റ് ...]]
ഒന്നോ അതിലധികമോ PyMVPA ഡാറ്റാസെറ്റ് ഫയലുകളിലേക്കുള്ള പാത(കൾ). എല്ലാ ഡാറ്റാസെറ്റുകളും a-യിലേക്ക് ലയിപ്പിക്കും
സ്പെസിഫിക്കേഷന്റെ ക്രമത്തിൽ ഒറ്റ ഡാറ്റാസെറ്റ് (vstack'ed). ചില സന്ദർഭങ്ങളിൽ ഈ ഓപ്ഷൻ ഉണ്ടാകാം
ഒന്നിലധികം, എന്നാൽ പ്രത്യേകം, ഇൻപുട്ട് ഡാറ്റാസെറ്റുകൾ ആണെങ്കിൽ ഒന്നിലധികം തവണ വ്യക്തമാക്കേണ്ടതുണ്ട്
ആവശ്യമാണ്.

ഇൻപുട്ട് ഡാറ്റ ഉറവിടങ്ങൾ:
--txt-data മൂല്യം [മൂല്യം ...]
ഒരു ടെക്സ്റ്റ് ഫയലിൽ നിന്ന് സാമ്പിളുകൾ ലോഡ് ചെയ്യുക. ആദ്യത്തെ മൂല്യം ഡാറ്റ ആയിരിക്കുന്ന ഫയൽ നാമമാണ്
നിന്ന് ലോഡ് ചെയ്തു. ഡാറ്റ ലോഡ് ചെയ്യുന്ന രീതി പരിഷ്ക്കരിക്കുന്ന അധിക മൂല്യങ്ങൾ വിവരിച്ചിരിക്കുന്നു
"ടെക്സ്റ്റ് ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡുചെയ്യുക" എന്ന വിഭാഗത്തിൽ.

--npy-data മൂല്യം [മൂല്യം ...]
ഒരു Numpy .npy ഫയലിൽ നിന്ന് സാമ്പിളുകൾ ലോഡ് ചെയ്യുക. കംപ്രസ് ചെയ്ത ഫയലുകൾ (അതായത് .npy.gz) പിന്തുണയ്ക്കുന്നു
അതുപോലെ. ഡാറ്റ ലോഡ് ചെയ്യുന്ന ഫയൽ നാമമാണ് ആദ്യ മൂല്യം. അധിക
ഡാറ്റ ലോഡ് ചെയ്യുന്ന രീതി പരിഷ്ക്കരിക്കുന്ന മൂല്യങ്ങൾ "ഡാറ്റ ലോഡുചെയ്യുക" എന്ന വിഭാഗത്തിൽ വിവരിച്ചിരിക്കുന്നു
Numpy NPY ഫയലുകളിൽ നിന്ന്".

--mri-data ചിത്രം [ചിത്രം ...]
NIFTI ഫയൽ പോലെയുള്ള MR ഇമേജിൽ നിന്ന് ഡാറ്റ ലോഡ് ചെയ്യുക. ഇത് ഒന്നുകിൽ ഒറ്റ 4D ആകാം
ചിത്രം, അല്ലെങ്കിൽ 3D ചിത്രങ്ങളുടെ ഒരു ലിസ്റ്റ് അല്ലെങ്കിൽ രണ്ടും കൂടിച്ചേർന്നത്.

--openfmri-modelbold SPEC SPEC SPEC SPEC
ഒരു ഓപ്പൺഎഫ്എംആർഐ-കംപ്ലയന്റ് ഡാറ്റാസെറ്റിൽ ഒരു ഉത്തേജക മോഡലുമായി ബന്ധപ്പെട്ട എല്ലാ ഡാറ്റയും ലോഡ് ചെയ്യുക.
ഈ ഓപ്ഷന് 4 ആർഗ്യുമെന്റ് മൂല്യങ്ങൾ ആവശ്യമാണ്: . ദി
ഡാറ്റാസെറ്റിന്റെ അടിസ്ഥാന ഡയറക്‌ടറിയാണ് ആദ്യ മൂല്യം. അടുത്ത രണ്ടെണ്ണം (പൂർണ്ണസംഖ്യ) ഐഡിയാണ്
ആവശ്യമുള്ള ഉത്തേജക മാതൃകയ്ക്കും വിഷയത്തിനും. അവസാന വാദം ഒന്നുകിൽ ഒരു സ്ട്രിംഗ് ആണ്
ലോഡുചെയ്യാനുള്ള ഡാറ്റ ഫ്ലേവറിനെ സൂചിപ്പിക്കുന്നു, അല്ലെങ്കിൽ ഡിഫോൾട്ട് ഇമേജിനായി ഒരു ശൂന്യമായ സ്ട്രിംഗ്
(bold.nii.gz).

ഓപ്ഷനുകൾ വേണ്ടി ഗുണവിശേഷങ്ങൾ നിന്ന് The കമാൻഡ് ലൈൻ:
--add-sa മൂല്യം [മൂല്യം ...]
കമാൻഡ് ലൈൻ ഇൻപുട്ടിൽ നിന്ന് ഒരു സാമ്പിൾ ആട്രിബ്യൂട്ട് രചിക്കുക. ആദ്യ മൂല്യം
ആവശ്യമുള്ള ആട്രിബ്യൂട്ട് നാമം, രണ്ടാമത്തെ മൂല്യം കോമയാൽ വേർതിരിച്ച പട്ടികയാണ് (അനുയോജ്യമായി
ഉദ്ധരിച്ചത്) യഥാർത്ഥ ആട്രിബ്യൂട്ട് മൂല്യങ്ങളുടെ. വ്യക്തമാക്കാൻ ഒരു ഓപ്ഷണൽ മൂന്നാമത്തെ മൂല്യം നൽകാം
ഒരു ഡാറ്റ തരം. കമാൻഡിലെ ഡാറ്റാസെറ്റ് ആട്രിബ്യൂട്ടുകൾ നിർവചിക്കുന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾ
"കമാൻഡ് ലൈനിൽ ആട്രിബ്യൂട്ടുകൾ രചിക്കുക" എന്ന വിഭാഗത്തിൽ വരി നൽകിയിരിക്കുന്നു.

--add-fa മൂല്യം [മൂല്യം ...]
കമാൻഡ് ലൈൻ ഇൻപുട്ടിൽ നിന്ന് ഒരു ഫീച്ചർ ആട്രിബ്യൂട്ട് രചിക്കുക. ആദ്യ മൂല്യം
ആവശ്യമുള്ള ആട്രിബ്യൂട്ട് നാമം, രണ്ടാമത്തെ മൂല്യം കോമയാൽ വേർതിരിച്ച പട്ടികയാണ് (അനുയോജ്യമായി
ഉദ്ധരിച്ചത്) യഥാർത്ഥ ആട്രിബ്യൂട്ട് മൂല്യങ്ങളുടെ. വ്യക്തമാക്കാൻ ഒരു ഓപ്ഷണൽ മൂന്നാമത്തെ മൂല്യം നൽകാം
ഒരു ഡാറ്റ തരം. കമാൻഡിലെ ഡാറ്റാസെറ്റ് ആട്രിബ്യൂട്ടുകൾ നിർവചിക്കുന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾ
"കമാൻഡ് ലൈനിൽ ആട്രിബ്യൂട്ടുകൾ രചിക്കുക" എന്ന വിഭാഗത്തിൽ വരി നൽകിയിരിക്കുന്നു.

ഓപ്ഷനുകൾ വേണ്ടി ഗുണവിശേഷങ്ങൾ നിന്ന് ടെക്സ്റ്റ് ഫയലുകൾ:
--add-sa-txt മൂല്യം [മൂല്യം ...]
ഒരു ടെക്സ്റ്റ് ഫയലിൽ നിന്ന് സാമ്പിൾ ആട്രിബ്യൂട്ട് ലോഡ് ചെയ്യുക. ആദ്യത്തെ മൂല്യം ആവശ്യമുള്ള ആട്രിബ്യൂട്ട് ആണ്
പേര്, രണ്ടാമത്തെ മൂല്യം ആട്രിബ്യൂട്ട് ലോഡ് ചെയ്യുന്ന ഫയൽ നാമമാണ്.
ഡാറ്റ ലോഡ് ചെയ്യുന്ന രീതി പരിഷ്ക്കരിക്കുന്ന അധിക മൂല്യങ്ങൾ വിഭാഗത്തിൽ വിവരിച്ചിരിക്കുന്നു
"ടെക്സ്റ്റ് ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡ് ചെയ്യുക".

--add-fa-txt മൂല്യം [മൂല്യം ...]
ഒരു ടെക്സ്റ്റ് ഫയലിൽ നിന്ന് ഫീച്ചർ ആട്രിബ്യൂട്ട് ലോഡ് ചെയ്യുക. ആദ്യത്തെ മൂല്യം ആവശ്യമുള്ള ആട്രിബ്യൂട്ട് ആണ്
പേര്, രണ്ടാമത്തെ മൂല്യം ആട്രിബ്യൂട്ട് ലോഡ് ചെയ്യുന്ന ഫയൽ നാമമാണ്.
ഡാറ്റ ലോഡ് ചെയ്യുന്ന രീതി പരിഷ്ക്കരിക്കുന്ന അധിക മൂല്യങ്ങൾ വിഭാഗത്തിൽ വിവരിച്ചിരിക്കുന്നു
"ടെക്സ്റ്റ് ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡ് ചെയ്യുക".

--add-sa-attr ഫയലിന്റെ പേര്
ഒരു ലെഗസി 'ആട്രിബ്യൂട്ടുകൾ ഫയലിൽ' നിന്ന് സാമ്പിൾ ആട്രിബ്യൂട്ട് മൂല്യങ്ങൾ ലോഡ് ചെയ്യുക. കോളം ഡാറ്റ വായിച്ചു
"അക്ഷരാർത്ഥം" ആയി. തലക്കെട്ടില്ലാത്ത രണ്ട് കോളം ഫയലുകൾ ('ലക്ഷ്യങ്ങൾ' + 'ചങ്കുകൾ') മാത്രമേയുള്ളൂ
പിന്തുണച്ചു. ആദ്യകാല PyMVPA-യിൽ നിന്നുള്ള ആട്രിബ്യൂട്ട് ഫയലുകൾ വായിക്കാൻ ഈ ഓപ്ഷൻ അനുവദിക്കുന്നു
പതിപ്പുകൾ.

ഓപ്ഷനുകൾ വേണ്ടി ഗുണവിശേഷങ്ങൾ നിന്ന് സംഭരിച്ചു നംപി ശ്രേണികൾ:
--add-sa-npy മൂല്യം [മൂല്യം ...]
ഒരു Numpy .npy ഫയലിൽ നിന്ന് സാമ്പിൾ ആട്രിബ്യൂട്ട് ലോഡ് ചെയ്യുക. കംപ്രസ് ചെയ്ത ഫയലുകൾ (അതായത് .npy.gz) ആണ്
അതുപോലെ പിന്തുണച്ചു. ആദ്യ മൂല്യം ആവശ്യമുള്ള ആട്രിബ്യൂട്ട് നാമമാണ്, രണ്ടാമത്തെ മൂല്യം
ഡാറ്റ ലോഡ് ചെയ്യുന്ന ഫയൽ നാമമാണ്. വഴി പരിഷ്ക്കരിക്കുന്ന അധിക മൂല്യങ്ങൾ
ലോഡ് ചെയ്ത ഡാറ്റ "നമ്പി NPY ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡുചെയ്യുക" എന്ന വിഭാഗത്തിൽ വിവരിച്ചിരിക്കുന്നു.

--add-fa-npy മൂല്യം [മൂല്യം ...]
ഒരു Numpy .npy ഫയലിൽ നിന്ന് ഫീച്ചർ ആട്രിബ്യൂട്ട് ലോഡ് ചെയ്യുക. കംപ്രസ് ചെയ്ത ഫയലുകൾ (അതായത് .npy.gz) ആണ്
അതുപോലെ പിന്തുണച്ചു. ആദ്യ മൂല്യം ആവശ്യമുള്ള ആട്രിബ്യൂട്ട് നാമമാണ്, രണ്ടാമത്തെ മൂല്യം
ഡാറ്റ ലോഡ് ചെയ്യുന്ന ഫയൽ നാമമാണ്. വഴി പരിഷ്ക്കരിക്കുന്ന അധിക മൂല്യങ്ങൾ
ലോഡ് ചെയ്ത ഡാറ്റ "നമ്പി NPY ഫയലുകളിൽ നിന്ന് ഡാറ്റ ലോഡുചെയ്യുക" എന്ന വിഭാഗത്തിൽ വിവരിച്ചിരിക്കുന്നു.

ഓപ്ഷനുകൾ വേണ്ടി ഇൻപുട്ട് നിന്ന് MR ചിത്രങ്ങൾ:
--മാസ്ക് ചിത്രം
ഇൻപുട്ട് ഡാറ്റ സാമ്പിളിന്റെ അതേ അളവുകളുള്ള മാസ്ക് ഇമേജ് ഫയൽ. എല്ലാ വോക്സലുകളും
നോൺ-സീറോ മാസ്ക് ഘടകങ്ങളുമായി ബന്ധപ്പെട്ട ഡാറ്റാസെറ്റിലേക്ക് അനുവദിക്കും.

--add-vol-attr എആർജി എആർജി
ആട്രിബ്യൂട്ട് നാമവും (1st ആർഗ്യുമെന്റ്) ഒരു ഇൻപുട്ടിന്റെ അതേ അളവുകളുള്ള ഇമേജ് ഫയലും
ഡാറ്റ സാമ്പിൾ (രണ്ടാം ആർഗ്യുമെന്റ്). ചിത്രത്തിന്റെ ഡാറ്റ ഒരു ഫീച്ചർ ആട്രിബ്യൂട്ടായി ചേർക്കും
നിർദ്ദിഷ്ട പേരിൽ.

--add-fsl-mcpar ഫയലിന്റെ പേര്
FSL-ന്റെ McFlirt ഫോർമാറ്റിലുള്ള 6-കോളം മോഷൻ പാരാമീറ്റർ ഫയൽ. ആറ് അധിക സാമ്പിൾ
ആട്രിബ്യൂട്ടുകൾ സൃഷ്ടിക്കും: mc_{x,y,z}, mc_rot{1-3}, വിവർത്തനത്തിനും
യഥാക്രമം റൊട്ടേഷൻ എസ്റ്റിമേറ്റ്.

ഔട്ട്പുട്ട് ഓപ്ഷനുകൾ:
-o ഔട്ട്പുട്ട്, --ഔട്ട്പുട്ട് ഔട്ട്പ്
ഔട്ട്‌പുട്ട് ഫയൽനാമം (ആവശ്യമെങ്കിൽ '.hdf5' വിപുലീകരണം സ്വയമേവ ചേർക്കും). ശ്രദ്ധിക്കുക: ദി
PyMVPA കമാൻഡുകൾ തമ്മിലുള്ള ഡാറ്റാ കൈമാറ്റത്തിന് ഔട്ട്പുട്ട് ഫോർമാറ്റ് അനുയോജ്യമാണ്, പക്ഷേ അങ്ങനെയല്ല
അതിന്റെ നിർദ്ദിഷ്ട ഉള്ളടക്കം വ്യത്യാസപ്പെടാം എന്നതിനാൽ ദീർഘകാല സംഭരണത്തിനോ വിനിമയത്തിനോ ശുപാർശ ചെയ്യുന്നു
യഥാർത്ഥ സോഫ്റ്റ്‌വെയർ പരിതസ്ഥിതിയെ ആശ്രയിച്ച്. ദീർഘകാല സംഭരണത്തിനായി പരിഗണിക്കുക
മറ്റ് ഡാറ്റ ഫോർമാറ്റുകളിലേക്കുള്ള പരിവർത്തനം ('dump' കമാൻഡ് കാണുക).

--hdf5-കംപ്രഷൻ തരം
HDF5 സംഭരണത്തിനുള്ള കംപ്രഷൻ തരം. ലഭ്യമായ മൂല്യങ്ങൾ നിർദ്ദിഷ്ട HDF5-നെ ആശ്രയിച്ചിരിക്കുന്നു
ഇൻസ്റ്റലേഷൻ. സാധാരണ മൂല്യങ്ങൾ ഇവയാണ്: 'gzip', 'lzf', 'szip', അല്ലെങ്കിൽ 1 മുതൽ 9 വരെയുള്ള പൂർണ്ണസംഖ്യകൾ
gzip കംപ്രഷൻ ലെവലുകൾ സൂചിപ്പിക്കുന്നു.

ഉദാഹരണങ്ങൾ

4D MRI ഇമേജ് ലോഡ് ചെയ്യുക, ഒരു ഫീച്ചർ ആട്രിബ്യൂട്ടിലേക്ക് അറ്റ്ലസ് ലേബലുകൾ നൽകുക, ക്ലാസ് ലേബലുകൾ അറ്റാച്ചുചെയ്യുക
ഒരു ടെക്സ്റ്റ് ഫയലിൽ നിന്ന്. തത്ഫലമായുണ്ടാകുന്ന ഡാറ്റാസെറ്റ് നിലവിലെ ഡയറക്‌ടറിയിൽ 'ds.hdf5' ആയി സംഭരിച്ചിരിക്കുന്നു.

$ pymvpa2 mkds -o ds --mri-data bold.nii.gz --vol-attr ഏരിയ harvox.nii.gz --add-sa-
txt labels.txt ലക്ഷ്യമിടുന്നു

onworks.net സേവനങ്ങൾ ഉപയോഗിച്ച് pymvpa2-mkds ഓൺലൈനായി ഉപയോഗിക്കുക