文件名称：python-moa:数组数学（MOA）的Python实现
文件大小：136KB
文件格式：ZIP
更新时间：2024-05-30 00:20:52
JupyterNotebook
阵列数学（MOA） MOA是开发的一种处理数组的严格数学方法。 MOA遵循以下原则。 一切都是数组，并具有形状。 标量。 向量。 NDArray。 在计算的每个步骤中，计算的形状是什么？ 回答这个问题，确保没有越界索引和有效的运行程序。 在结果中产生给定索引需要哪些指标和操作？ 一旦解决了这一步，我们便具有具有属性的计算的最小表示形式。 使我们能够真正地比较算法，分析算法，最后将其映射到低级实现。 如有其他问题，请参阅。 该文档提供了理论，实现细节和指南。 指导发展的重要问题： 仅知道尺寸就可以实现moa的简单实现吗？ 我们可以表示复杂的运算和einsum数学吗：要求+red, transpose ？ 数组的接口是什么？ （形状，分度功能） 如何包装预先存在的数字例程？ 安装 pip install python-moa 文献资料 可在上文档。 该文档提供了pytho
【文件预览】：
python-moa-master
----MANIFEST.in(72B)
----.travis.yml(263B)
----.readthedocs.yml(156B)
----docs()
--------optimization.rst(1KB)
--------figures()
--------images()
--------presentations()
--------conf.py(4KB)
--------roadmap.rst(8KB)
--------comparison.rst(681B)
--------theory.rst(3KB)
--------papers()
--------implementation.rst(7KB)
--------introduction.rst(8KB)
--------publications.rst(470B)
--------index.rst(588B)
----default.nix(65B)
----dev.nix(3KB)
----build.nix(2KB)
----tests()
--------test_shape.py(14KB)
--------frontend()
--------conftest.py(0B)
--------test_ast.py(14KB)
--------test_visualize.py(2KB)
--------test_dnf.py(18KB)
--------test_integration.py(2KB)
--------test_compiler.py(1KB)
--------__init__.py(0B)
--------test_array.py(3KB)
--------test_analysis.py(962B)
--------backend()
----LICENSE(1KB)
----benchmarks()
--------test_compiler.py(635B)
--------__init__.py(0B)
--------test_core.py(7KB)
----release.nix(520B)
----moa()
--------ast.py(12KB)
--------array.py(4KB)
--------visualize.py(9KB)
--------testing.py(2KB)
--------frontend()
--------dnf.py(15KB)
--------analysis.py(691B)
--------compiler.py(608B)
--------__init__.py(66B)
--------exception.py(40B)
--------shape.py(12KB)
--------backend()
--------onf.py(12KB)
----setup.py(2KB)
----.gitignore(60B)
----CHANGELOG.md(933B)
----CODE_OF_CONDUCT.md(164B)
----README.md(7KB)
----notebooks()
--------1-simple-example.ipynb(54KB)
--------2-simple-example-symbolic.ipynb(95KB)
--------0-introduction.ipynb(46KB)
--------3-lazy-arrays.ipynb(24KB)
--------6-inner-product.ipynb(27KB)
--------5-reduce.ipynb(7KB)
--------4-benchmarks.ipynb(10KB)