线性代数后端的通用接口
backends的Python项目详细描述
LAB
线性代数后端的通用接口：编写一次代码，在任何 后端
注意：实验室需要TensorFlow 2。
安装
在安装包之前，请确保gcc和gfortran
可用。
在os x上，这两个都是用brew install gcc安装的；
水蟒的使用者可能会考虑conda install gcc。
然后简单地
pip install backends
基本用法
包的基本用例是编写自动 根据其参数的类型确定要使用的后端。
示例：
importlabasBimportlab.torch# Load the PyTorch extension.importlab.tensorflow# Load the TensorFlow extension.defobjective(matrix):outer_product=B.matmul(matrix,matrix,tr_b=True)returnB.mean(outer_product)
默认情况下，不会加载pytorch和tensorflow扩展来保存
启动时间。或者，可以直接import lab.torch as B或
import lab.tensorflow as B。
用numpy和autograd运行它：
>>>importautograd.numpyasnp>>>objective(B.randn(np.float64,2,2))0.15772589216756833
用TensorFlow运行它：
>>>importtensorflowastf>>>objective(B.randn(tf.float64,2,2))<tf.Tensor'Mean:0'shape=()dtype=float64>
用pytorch运行它：
>>>importtorch>>>objective(B.randn(torch.float64,2,2))tensor(1.9557,dtype=torch.float64)
类型列表
本节列出了所有可用类型，可用于检查 对象或扩展函数。
示例：
>>>importlabasB>>>fromplumimportList,Tuple>>>importnumpyasnp>>>isinstance([1.,np.array([1.,2.])],List(B.NPNumeric))True>>>isinstance([1.,np.array([1.,2.])],List(B.TFNumeric))False>>>importtensorflowastf>>>importlab.tensorflow>>>isinstance((tf.constant(1.),tf.ones(5)),Tuple(B.TFNumeric))True
一般
Int # Integers
Float # Floating-point numbers
Bool # Booleans
Number # Numbers
Numeric # Numerical objects, including booleans
DType # Data type
Framework # Anything accepted by supported frameworks
纽比
NPNumeric
NPDType
NP # Anything NumPy
张量流
TFNumeric
TFDType
TF # Anything TensorFlow
火把
TorchNumeric
TorchDType
Torch # Anything PyTorch
方法列表
本节列出了所有可用的常量和方法。
参数必须作为参数给出，关键字参数必须作为参数 作为关键字参数给定。 例如，
sum(tensor, axis=1)是有效的，但是sum(tensor, 1)不是。参数的名称表示其函数：
a、b和c表示一般张量。dtype表示数据类型。例如，np.float32或tf.float64；和rand(np.float32)创建一个NumPy随机数，而rand(tf.float64)创建tensorflow随机数。 数据类型总是作为第一个参数给出。shape表示形状。 形状的尺寸总是作为 功能。 例如，reshape(tensor, 2, 2)是有效的，但是reshape(tensor, (2, 2))不是。ref表示一个引用张量 将使用形状和数据类型。例如，zeros(tensor)创建 与tensor形状和数据类型相同的满零张量。
{
有关每个功能的详细说明，请参阅文档。
特殊变量
default_dtype # Default data type.
epsilon # Magnitude of diagonal to regularise matrices with.
常数
nan
pi
log_2_pi
isnan(a)
一般
zeros(dtype, *shape)
zeros(*shape)
zeros(ref)
ones(dtype, *shape)
ones(*shape)
ones(ref)
eye(dtype, *shape)
eye(*shape)
eye(ref)
linspace(dtype, a, b, num)
linspace(a, b, num)
range(dtype, start, stop, step)
range(dtype, stop)
range(dtype, start, stop)
range(start, stop, step)
range(start, stop)
range(stop)
cast(dtype, a)
identity(a)
abs(a)
sign(a)
sqrt(a)
exp(a)
log(a)
sin(a)
cos(a)
tan(a)
sigmoid(a)
softplus(a)
relu(a)
add(a, b)
subtract(a, b)
multiply(a, b)
divide(a, b)
power(a, b)
minimum(a, b)
maximum(a, b)
leaky_relu(a, alpha)
min(a, axis=None)
max(a, axis=None)
sum(a, axis=None)
mean(a, axis=None)
std(a, axis=None)
logsumexp(a, axis=None)
all(a, axis=None)
any(a, axis=None)
lt(a, b)
le(a, b)
gt(a, b)
ge(a, b)
bvn_cdf(a, b, c)
scan(f, xs, *init_state)
sort(a, axis=-1, descending=False)
argsort(a, axis=-1, descending=False)
线性代数
transpose(a, perm=None) (alias: t, T)
matmul(a, b, tr_a=False, tr_b=False) (alias: mm, dot)
trace(a, axis1=0, axis2=1)
kron(a, b)
svd(a, compute_uv=True)
solve(a, b)
inv(a)
det(a)
logdet(a)
cholesky(a) (alias: chol)
cholesky_solve(a, b) (alias: cholsolve)
triangular_solve(a, b, lower_a=True) (alias: trisolve)
toeplitz_solve(a, b, c) (alias: toepsolve)
toeplitz_solve(a, c)
outer(a, b)
reg(a, diag=None, clip=True)
pw_dists2(a, b)
pw_dists2(a)
pw_dists(a, b)
pw_dists(a)
ew_dists2(a, b)
ew_dists2(a)
ew_dists(a, b)
ew_dists(a)
pw_sums2(a, b)
pw_sums2(a)
pw_sums(a, b)
pw_sums(a)
ew_sums2(a, b)
ew_sums2(a)
ew_sums(a, b)
ew_sums(a)
随机
set_random_seed(seed)
rand(dtype, *shape)
rand(*shape)
rand(ref)
randn(dtype, *shape)
randn(*shape)
randn(ref)
choice(a, n)
choice(a)
成形
shape(a)
rank(a)
length(a) (alias: size)
isscalar(a)
expand_dims(a, axis=0)
squeeze(a)
uprank(a)
diag(a)
flatten(a)
vec_to_tril(a)
tril_to_vec(a)
stack(*elements, axis=0)
unstack(a, axis=0)
reshape(a, *shape)
concat(*elements, axis=0)
concat2d(*rows)
tile(a, *repeats)
take(a, indices, axis=0)
欢迎加入QQ群-->： 979659372
