معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Automatically and minimally expanding tensor for __setitem()__ operations based on NumPy.

ویژگی	مقدار
سیستم عامل	-
نام فایل	dynamic-tensor-0.0.2
نام	dynamic-tensor
نسخه کتابخانه	0.0.2
نگهدارنده	['Shaoming Zheng']
ایمیل نگهدارنده	['zhengeureka@gmail.com']
نویسنده	Shaoming Zheng
ایمیل نویسنده	zhengeureka@gmail.com
آدرس صفحه اصلی	https://github.com/eurekazheng/dynamic-tensor
آدرس اینترنتی	https://pypi.org/project/dynamic-tensor/
مجوز	MIT

# dynamic-tensor _(This package is still developing and not formally tested. Please report any potential issues. Constantly reshaping the tensor could be inefficient and not suitable for high-performance computing)_ A Python package for automatically and minimally expanding tensors for `__setitem()__` operations based on NumPy. You don't need to worry about tensor shape initialization, `reshape()`, or `expand_dims()` anymore as if the tensor has an infinite size. Both basic (integer, slice, `np.newaxis`, ellipsis) and advanced (integer & boolean array) indexing are supported (refer to [Indexing on ndarrays](https://numpy.org/doc/stable/user/basics.indexing.html#)). You can also configure a `DynamicTensor` to adapt the tensor type to the new value to avoid `astype()` (enabled by default). ## Usage Requires Python 3.6+ and NumPy 1.16+. ```bash pip install dynamic-tensor # or using conda conda install dynamic-tensor ``` Or install from source: ```bash git clone https://github.com/eurekazheng/dynamic-tensor.git cd dynamic-tensor # build the package python setup.py sdist bdist_wheel pip install -e . ``` Usage: ```python import densor d = densor.dt([[1, 2], [3, 4]]) d[2, 1:3, [2, 3]] = 5.6 print(d, d.shape) # Expected output: # [[[1. 0. 0. 0. ] # [2. 0. 0. 0. ] # [0. 0. 0. 0. ]] # # [[3. 0. 0. 0. ] # [4. 0. 0. 0. ] # [0. 0. 0. 0. ]] # # [[0. 0. 0. 0. ] # [0. 0. 5.6 5.6] # [0. 0. 5.6 5.6]]] (3, 3, 4) # Helper: convert a list to tensor when possible densor.tensorify([[1, 2], [3, 4]]) # return ndarray densor.tensorify([[1, 2], [3, 4, 5]]) # return False ``` ## Rationale The underlying data structure of `densor.dt` is `numpy.ndarray` `_a`. Upon a `__setitem(idx, val)__` call, the following preprocessing is done: 1. Determine the target shape. 2. Based on target shape, (potentially) expand the dimension of `_a`. 3. (Optional) Based on `val` dtype, (potentially) change the dtype of `_a`. 4. Based on target shape, (potentially) change the size of `_a` at each dimension. Refer to `src/densor.py` for more details.

نیازمندی

مقدار	نام
>=1.16	numpy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl dynamic-tensor-0.0.2:

pip install dynamic-tensor-0.0.2.whl

نصب پکیج tar.gz dynamic-tensor-0.0.2:

pip install dynamic-tensor-0.0.2.tar.gz