tensor

Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU

Burn est une bibliothèque de tenseurs et un framework de Deep Learning de nouvelle génération qui ne fait aucun compromis sur la flexibilité, l'efficacité et la portabilité.

Framework de compilation pour le machine learning open source.

NumPy et SciPy pour GPU.

Opérations sur tenseurs flexibles et puissantes pour un code lisible et fiable (pour pytorch, jax, TF et autres)

La plateforme de recherche basée sur l'IA.

IA sur appareil pour mobile, systèmes embarqués et edge avec PyTorch

MegEngine est un framework d'apprentissage profond rapide, extensible, facile à utiliser et prenant en charge la différenciation automatique

DataFrame C++ pour l'analyse statistique, financière et ML en C++ moderne

Tableaux multidimensionnels (tenseurs) et définitions numériques pour Elixir.

Une liste de projets et d'articles de référence sur les compilateurs pour le calcul tensoriel et l'apprentissage profond

Mars est un framework unifié basé sur les tenseurs pour le calcul de données à grande échelle, faisant évoluer numpy, pandas, scikit-learn et les fonctions Python

Algorithmes ML 2 à 2000 fois plus rapides, 50 % d'utilisation mémoire en moins, compatibles avec tout matériel, récent ou ancien.

Inférence de Llama 2 dans un seul fichier pur.

Deep learning en Rust, avec des tenseurs et réseaux de neurones vérifiés par forme.

Distances accélérées par SIMD, produits scalaires, opérations matricielles, noyaux géospatiaux et géométriques pour 16 types numériques — des flottants 6 bits aux complexes 64 bits — sur x86, Arm, RISC-V et WASM, avec bindings pour Python, Rust, C, C++, Swift, JS et Go 📐

TensorLy : apprentissage de tenseurs en Python.

Une bibliothèque de tenseurs rapide, ergonomique et portable en Nim, axée sur le deep learning pour CPU, GPU et appareils embarqués via les backends OpenMP, Cuda et OpenCL

Le compilateur d'algèbre tensorielle (taco) calcule des expressions tensorielles creuses sur CPU et GPU.

Structure de tenseur commune en mémoire.

Introduction à PyTorch, couvrant l'initialisation des tenseurs, les opérations, l'indexation et le remodelage.

Bibliothèque pour effectuer des opérations de chiffrement homomorphe sur des tenseurs

⚡️ Optimisation des fonctions einsum dans NumPy, Tensorflow, Dask et plus encore grâce à l'optimisation de l'ordre de contraction.

Bibliothèque pour les opérations spécialisées sur matrices denses et creuses, ainsi que des primitives de deep learning.

Le langage de programmation Egison

Outils de rang faible et parcimonieux pour la modélisation et la soustraction d'arrière-plan dans les vidéos.

Apprentissage profond avec des réseaux de neurones impulsionnels (SNN) dans PyTorch.

Visualisez les tenseurs PyTorch avec une seule ligne de code.

⅀

DiffSharp : programmation fonctionnelle différentiable