Healpy 技术文档
1. 安装指南
Healpy 是一个用于处理球面上像素化数据的 Python 包,基于 HEALPix 方案。以下是安装 Healpy 的步骤:
1.1 使用 Pip 安装
最快捷的安装方式是使用 pip,它会自动获取 Healpy 的最新版本以及任何缺失的依赖项:
pip install --user healpy
安装完成后,您可以通过以下命令升级 Healpy:
pip install --user --upgrade healpy
1.2 依赖项
Healpy 依赖于以下库:
- Python 3.10、3.11 或 3.12
- Numpy(版本 >=1.19)
- Matplotlib
- Astropy
此外,某些 Linux 发行版可能需要安装 Python 开发包(例如 Ubuntu 的 python-dev 包)。
1.3 可选依赖项
Healpy 依赖于 HEALPix C++ 和 cfitsio C 库。虽然 Healpy 包含了这些库的源代码,但如果您已经安装了这些库,Healpy 会检测并重用它们。要使用您自己的 HEALPix 和 cfitsio 安装,您还需要:
- pkg-config
- HEALPix C++ 包(autotools 风格)
- cfitsio
2. 项目的使用说明
Healpy 提供了多种功能来处理球面上的像素化数据,包括:
- 在 HEALPix 嵌套和环形方案之间转换天空坐标和像素索引
- 查找天空中的磁盘、多边形或条带内的像素
- 在银河、黄道和赤道参考系之间应用坐标变换
- 应用自定义旋转(向量或完整地图)
- 以 FITS 格式读写 HEALPix 地图
- 升级或降级现有 HEALPix 地图的分辨率
- 在 Mollweide、Gnomonic 和 Cartographic 投影中可视化地图
- 使用多线程 C++ 例程将地图转换为球谐空间并返回
- 从地图计算自功率谱和交叉功率谱,并从谱生成地图实现
3. 项目 API 使用文档
Healpy 提供了丰富的 API 接口,以下是一些常用功能的示例:
3.1 坐标转换
import healpy as hp
# 将角度转换为像素索引
nside = 256
theta = 1.5 # 弧度
phi = 0.5 # 弧度
pixel = hp.ang2pix(nside, theta, phi)
print(f"像素索引: {pixel}")
3.2 地图可视化
import healpy as hp
import matplotlib.pyplot as plt
# 生成一个随机地图
nside = 64
m = hp.synfast(np.random.randn(hp.nside2npix(nside)), nside)
# 使用 Mollweide 投影可视化地图
hp.mollview(m, title="随机地图")
plt.show()
3.3 功率谱计算
import healpy as hp
import numpy as np
# 生成两个随机地图
nside = 64
m1 = hp.synfast(np.random.randn(hp.nside2npix(nside)), nside)
m2 = hp.synfast(np.random.randn(hp.nside2npix(nside)), nside)
# 计算交叉功率谱
cl = hp.anafast(m1, m2)
print(f"交叉功率谱: {cl}")
4. 项目安装方式
4.1 使用 Conda 安装
如果您使用 Conda,可以通过以下命令安装 Healpy:
conda install -c conda-forge healpy
4.2 从源代码安装
如果您希望从源代码安装 Healpy,可以按照以下步骤操作:
-
克隆 Healpy 的 GitHub 仓库:
git clone https://github.com/healpy/healpy.git cd healpy -
安装依赖项:
pip install -r requirements.txt -
编译并安装 Healpy:
python setup.py install
4.3 已知问题
- OpenMP 支持:某些编译器不支持 OpenMP,可能导致构建失败。建议使用支持 OpenMP 的编译器(如 gcc/g++)。
- Windows 不支持:Healpy 目前不支持 Windows 平台。
- cfitsio 冲突:如果使用 HEASOFT 提供的 cfitsio 库,可能会导致编译冲突。
支持与贡献
如果您在使用 Healpy 时遇到问题,可以在 StackOverflow 上提问并标记 healpy 标签。如果您发现 Bug 或安装问题,请在 GitHub 上提交问题。
Healpy 的开发在 GitHub 上进行,欢迎贡献代码。您可以 fork 项目并提交 Pull Request。
开发者与致谢
Healpy 的核心开发者包括 Cyrille Rosset、Andrea Zonca、Martin Reinecke、Leo Singer 和 Daniel Lenz。完整的贡献者列表可以在 GitHub 上查看。
在使用 Healpy 时,请引用相关的 HEALPix 和 Healpy 论文,并在论文中致谢:“本文中的部分结果使用了 Healpy 和 HEALPix 包。”
以上是 Healpy 的技术文档,涵盖了安装指南、使用说明、API 文档以及安装方式。希望本文能帮助您更好地理解和使用 Healpy。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00