文件名称：einops：重塑了深度学习操作（适用于pytorch，tensorflow，jax等）
文件大小：337KB
文件格式：ZIP
更新时间：2024-02-26 03:33:32
deep-learning chainer tensorflow numpy keras
ino 灵活而强大的张量操作，可读取且可靠的代码。 支持numpy，pytorch，tensorflow。 鸣叫 万一您需要令人信服的论点来拨出时间来学习einsum和einops，... 使用PyTorch和einops编写更好的代码 :OK_hand: 毫无疑问，einops正在慢慢渗透到我代码的每个角落。 如果您发现自己绕着数以千计的维数张量这可能会改变您的生活 内容 讲解 教程是查看einops的最便捷方法（现在可以作为文档使用） 第1部分： 第2部分： 第3部分：（到目前为止仅适用于pytorch） 安装 干净利落： pip install einops API einops具有简
【文件预览】：
einops-master
----.travis.yml(325B)
----docs()
--------css()
--------1-einops-basics.ipynb(266KB)
--------source_examples()
--------2-einops-for-deep-learning.ipynb(29KB)
--------pytorch-examples.html(253KB)
--------resources()
--------api()
--------README.md(414B)
--------utils()
--------index.md(12B)
----test.py(1KB)
----.github()
--------ISSUE_TEMPLATE()
----mkdocs.yml(961B)
----tests()
--------test_ops.py(23KB)
--------test_examples.py(11KB)
--------test_parsing.py(4KB)
--------test_other.py(6KB)
--------test_einsum.py(3KB)
--------__init__.py(2KB)
--------test_layers.py(14KB)
--------test_notebooks.py(2KB)
----LICENSE(1KB)
----setup.py(757B)
----.gitignore(1KB)
----einops()
--------_backends.py(16KB)
--------einops.py(25KB)
--------__init__.py(287B)
--------layers()
--------parsing.py(6KB)
----README TensorFlow.md(8KB)
----README.md(9KB)
----scripts()
--------deploy-docs.sh(29B)
--------run-docs.sh(40B)