Inverse-modelling-related capabilities of cognigraph
- Питон и пакеты. Самый простой вариант - через среду conda.
conda create -n cognigraph python=3.6 pyqt=5 pyqtgraph ipython scipy numba sympy scikit-learn pandas matplotlib numba
activate cognigraph
pip install pylsl expyriment mneОсторожно! Возможны проблемы с версией python 3.7 в связи с багами в пакете cython. Рекомендуется использовать версию питона 3.6 или более раннюю.
- Репозиторий. Часть зависимостей организована через подмодули git. Для
того, чтобы они загрузились вместе с текущим репозиторием при клонировании
необходимо добавить флаг
--recursive. Далее необходимо перейти в папку репозитория и установить пакет:
git clone --recursive https://github.com/Cognigraph/cognigraph.git
cd cognigraph
pip install --editable .-
Необходимые файлы. Программа использует файлы из датасета sample, распространяемого с пакетом mne-python. Чтобы не качать все файлы (датасет лежит на osf.io, загрузка с которого происходит крайне медленно), можно скачать урезанную версию отсюда. Папку MNE-sample-data из архива надо скопировать в то же место, куда бы ее загрузил mne-python. Чтобы узнать, что это за место, не скачивая датасет, нужно сделать следующее:
from mne.datasets import sample print(sample.data_path(download=False, verbose=False))Папку MNE-sample-data из архива копируем в выведенный путь.
Опциональные пакеты
-
PyOpenGL_accelerate -- крайне рекомендуется, но будет работать и без него
pip install PyOpenGL_accelerate
-
pytorch -- необходим только для работы узла TorchOutput
Необходимо перейти по ссылке и установить в соответствии с инструкциями