文件名称：differentiable-idris:依赖类型满足深度学习
文件大小：10KB
文件格式：ZIP
更新时间：2024-04-10 01:24:28
dependent-types deep-learning functional-programming pytorch idris
关于idris的可区分编程，为什么？ （在制品！） 由于pytorch具有极大的灵活性，我将绑定到pytorch cpp而不是tensorflow 通过深度学习来学习和研究依赖类型 详尽的反思，也许是最先进的宏系统，将使我们伟大的静态键入功能代码简洁而美观 利用现有的深度学习优化工作，而不是使用全新的框架 语法，api： depGraph2 : FreeGraphD $ (TensorD [1],TensorD [2]) depGraph2 = do in1 <- liftF $ PlaceholderD [ 1 ] out1 <- liftF $ PlaceholderD [ 2 ] out2 <- PlaceholderD [ 2 ] -- using implicits pure (in1,out1) compGraphD : FreeGraphD $ Tensor
【文件预览】：
differentiable-idris-master
----Midlevel.idr(300B)
----UserApi.idr(3KB)
----LICENSE(11KB)
----Elabs.idr(871B)
----.gitignore(115B)
----tensorflow-idris.ipkg(102B)
----README.md(4KB)
----Ffi.idr(2KB)