Dies ist die Linux-App namens TensorNetwork, deren neueste Version als tensornetwork-0.4.6.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens TensorNetwork mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
TensorNetwork
BESCHREIBUNG
TensorNetwork ist eine High-Level-Bibliothek zum Erstellen und Kontrahieren von Tensornetzwerken – grafischen Faktorisierungen großer Tensoren, die vielen Algorithmen in der Physik und im maschinellen Lernen zugrunde liegen. TensorNetwork abstrahiert Netzwerke als Knoten und Kanten und erstellt dann effiziente Kontraktionsreihenfolgen über mehrere numerische Backends hinweg, sodass sich Benutzer auf die Modellstruktur statt auf die Indexbuchhaltung konzentrieren können. Gängige Netzwerkfamilien (MPS/TT, PEPS, MERA, Baumnetzwerke) werden mit prägnanten APIs ausgedrückt, die zum Experimentieren und Vergleichen anregen. Die Bibliothek bietet automatische Pfadfindung und Kostenschätzung, zeigt an, wann Kontraktionen im Speicher explodieren, und schlägt bessere Reihenfolgen vor. Da TensorNetwork Backends wie NumPy, TensorFlow, PyTorch und JAX unterstützt, kann dasselbe Modell mit minimalen Codeänderungen auf CPUs, GPUs oder TPUs ausgeführt werden. Tutorials und Visualisierungshilfen erleichtern das Verständnis, wie sich die Netzwerktopologie auf Ausdruckskraft und Rechenaufwand auswirkt.
Eigenschaften
- Graphenbasierte API für Knoten, Kanten und Kontraktionen
- Automatische Pfadfindung und Kostenschätzung für die Kontraktion
- Fertige Builder für MPS/TT, PEPS, MERA und Baumnetzwerke
- Pluggable Backends: NumPy, TensorFlow, PyTorch, JAX
- Visualisierungsprogramme für Netzwerkstruktur und -flüsse
- GPU/TPU-Beschleunigung mit identischem High-Level-Code
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/tensornetwork.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.
