文件名称：opt_einsum::high_voltage:通过收缩顺序优化优化 NumPy、Tensorflow、Dask 等中的 einsum 函数
文件大小：1.19MB
文件格式：ZIP
更新时间：2024-08-23 21:51:00
python performance gpu-acceleration tensor tensor-contraction
优化的 Einsum 优化的 Einsum：张量收缩顺序优化器 优化的 einsum 可以通过优化表达式的收缩顺序并将许多操作分派到规范 BLAS 来显着减少类 einsum 表达式（例如， 、 、 、 ）的整体执行时间， cuBLAS 或其他专门的例程。 优化的 einsum 与后端无关，可以处理 NumPy、Dask、PyTorch、Tensorflow、CuPy、Sparse、Theano、JAX 和 Autograd 数组以及可能符合标准 API 的任何库。 有关更多信息，请参阅。 示例用法 函数通常可以作为einsum函数的替代品，无需进一步更改代码，同时提供卓越的性能。 这里，张量收缩是在优化和不优化的情况下进行的： import numpy as np from opt_einsum import contract N = 10 C = np . random
【文件预览】：
opt_einsum-master
----MANIFEST.in(160B)
----paper()
--------paper.bib(2KB)
--------paper.md(4KB)
----.github()
--------PULL_REQUEST_TEMPLATE.md(224B)
--------CONTRIBUTING.md(5KB)
--------workflows()
----scripts()
--------compare_random_paths.py(3KB)
--------README.md(102B)
----versioneer.py(67KB)
----mkdocs.yml(2KB)
----LICENSE(1KB)
----devtools()
--------allowlist.txt(1KB)
--------RELEASE.md(373B)
--------conda-recipe()
--------conda-envs()
----setup.cfg(1KB)
----setup.py(2KB)
----README.md(5KB)
----opt_einsum()
--------sharing.py(6KB)
--------path_random.py(13KB)
--------backends()
--------contract.py(36KB)
--------helpers.py(8KB)
--------_version.py(18KB)
--------parser.py(11KB)
--------__init__.py(669B)
--------blas.py(8KB)
--------paths.py(44KB)
--------tests()
--------typing.py(189B)
----docs()
--------api_reference.md(1KB)
--------index.md(5KB)
--------reference()
--------requirements.yml(183B)
--------img()
--------getting_started()
--------examples()
--------Makefile(615B)
--------javascript()
--------css()
--------paths()
--------changelog.md(9KB)
----.codecov.yml(283B)
----.gitignore(779B)
----CITATION.cff(498B)