tensor

Tensoren und dynamische neuronale Netze in Python mit starker GPU-Beschleunigung

Burn ist eine Tensor-Bibliothek und ein Deep-Learning-Framework der nächsten Generation, das keine Kompromisse bei Flexibilität, Effizienz und Portabilität eingeht.

Open-Source-Compiler-Framework für maschinelles Lernen

NumPy & SciPy für die GPU

Flexible und leistungsstarke Tensor-Operationen für lesbaren und zuverlässigen Code (für PyTorch, JAX, TF und andere)

Die KI-Suchplattform

On-Device-KI für Mobilgeräte, eingebettete Systeme und Edge mit PyTorch

MegEngine ist ein schnelles, erweiterbares, benutzerfreundliches Deep-Learning-Framework mit automatischer Differenzierung

C++ DataFrame für statistische, finanzielle und ML-Analysen in modernem C++

Mehrdimensionale Arrays (Tensoren) und numerische Definitionen für Elixir

Eine Liste großartiger Compiler-Projekte und -Arbeiten für Tensor-Berechnungen und Deep Learning.

Mars ist ein auf Tensoren basierendes, einheitliches Framework für die großflächige Datenberechnung, das numpy, pandas, scikit-learn und Python-Funktionen skaliert.

2- bis 2000-mal schnellere ML-Algorithmen, 50 % weniger Speicherverbrauch, funktioniert auf alter und neuer Hardware.

Inferenz für Llama 2 in einer einzigen Datei aus purem 🔥

Deep Learning in Rust mit formgeprüften Tensoren und neuronalen Netzen

SIMD-beschleunigte Distanzen, Skalarprodukte, Matrixoperationen, geowissenschaftliche und geometrische Kernel für 16 numerische Typen – von 6-Bit-Floats bis zu 64-Bit-Complex – über x86, Arm, RISC-V und WASM hinweg, mit Bindings für Python, Rust, C, C++, Swift, JS und Go 📐

TensorLy: Tensor-Learning in Python.

Eine schnelle, ergonomische und portable Tensor-Bibliothek in Nim mit Fokus auf Deep Learning für CPU, GPU und eingebettete Geräte über OpenMP-, Cuda- und OpenCL-Backends

Der Tensor Algebra Compiler (taco) berechnet sparse Tensorausdrücke auf CPUs und GPUs

Gemeinsame In-Memory-Tensor-Struktur

Einführung in PyTorch, einschließlich Tensor-Initialisierung, Operationen, Indizierung und Reshaping.

Eine Bibliothek zur Durchführung homomorpher Verschlüsselungsoperationen auf Tensoren

⚡️ Optimierung von einsum-Funktionen in NumPy, Tensorflow, Dask und weiteren durch Kontrahiereihenfolge-Optimierung.

Bibliothek für spezialisierte dichte und dünnbesetzte Matrixoperationen sowie Deep-Learning-Primitiven.

Die Programmiersprache Egison

Low-Rank- und Sparse-Tools für Hintergrundmodellierung und -subtraktion in Videos

Deep Learning mit Spiking Neural Networks (SNNs) in PyTorch.

Visualisieren Sie PyTorch-Tensoren mit nur einer Zeile Code.

⅀

DiffSharp: Differenzierbare funktionale Programmierung