文件名称：tntorch:使用PyTorch进行Tensor网络学习
文件大小：797KB
文件格式：ZIP
更新时间：2024-05-29 07:22:12
learning data-science pytorch tensors tensor-decomposition
tntorch-使用PyTorch进行Tensor网络学习 ，这是一个由PyTorch支持的使用张量网络的建模和学习库。 这样的网络的独特之处在于（而不是非线性激活单元）。 功能包括： 张量的基本和奇特索引，广播，分配等 张量分解与重建 按元素和张量-张量算术 使用交叉逼近从黑盒函数构建张量 从张量中找到全局最大值和最小值 统计和敏感性分析 使用自动分化进行优化 杂项张量的运算：堆叠，展开，采样，求导等。 批处理操作（正在进行中） 可用的包括： 混合动力车：CP-Tucker，TT-Tucker等 其他分解，例如和自定义格式 例如，以下网络都以TT和TT-Tucker格式表示4D张量（即，可以采用I1 x I2 x I3 x I4可能值的实函数）： 在tntorch中，所有张量分解共享相同的接口。 您可以以透明的形式处理它们，就像它们是普通的NumPy数组或PyTorch张量
【文件预览】：
tntorch-master
----images()
--------text.png(2KB)
--------tensors.jpg(83KB)
----docs()
--------favicon.png(823B)
--------api.rst(2KB)
--------conf.py(6KB)
--------tntorch_borders.svg(7KB)
--------contact.rst(449B)
--------tntorch.svg(6KB)
--------tutorial-notebooks.rst(506B)
--------tutorials()
--------requirements.txt(20B)
--------Makefile(580B)
--------goals.rst(760B)
--------index.rst(3KB)
----tntorch()
--------tensor.py(69KB)
--------tools.py(16KB)
--------round.py(6KB)
--------automata.py(3KB)
--------cross.py(17KB)
--------metrics.py(12KB)
--------interpolation.py(21KB)
--------create.py(9KB)
--------__init__.py(295B)
--------ops.py(7KB)
--------derivatives.py(8KB)
--------logic.py(6KB)
--------autodiff.py(4KB)
--------anova.py(7KB)
----tests()
--------test_tools.py(929B)
--------test_ops.py(3KB)
--------test_init.py(345B)
--------test_interpolation.py(324B)
--------test_indexing.py(4KB)
--------util.py(1KB)
--------test_derivatives.py(639B)
--------test_round.py(2KB)
--------test_tensor.py(2KB)
--------test_gpu.py(791B)
--------test_cross.py(921B)
--------test_automata.py(726B)
----LICENSE(7KB)
----TODO.md(180B)
----HISTORY.rst(0B)
----setup.py(1KB)
----.gitignore(57B)
----README.md(6KB)