西亚诺

TeaNo是一个Python库,它允许您高效地定义、优化和评估涉及多维数组的数学表达式。TeaNo具有紧密结合NUMPY,透明使用GPU,高效的符号微分,速度和稳定性优化,动态C代码生成,以及广泛的单元测试和自我验证。自2007以来,西亚诺一直在为大规模的计算密集的科学研究提供动力。但它也很容易在课堂上使用(蒙特利尔大学的IFT6266)。来源HTTP:/FreCooDE.COM/


ZBMaCT中的参考文献(42篇文章中引用)

显示结果1至20的42。
按年份排序(引文
  1. Cox,马珂;van de Laar,Tijs;de Vice,伯特:贝叶斯图处理算法自动设计的因子图方法(2019)
  2. Matteo Ravasi,Ivan Vasconcelos:Palops-大规模运算符的线性运算符Python库(2019)阿西夫
  3. Aggavar,Charu C.:神经网络和深度学习。教科书(2018)
  4. Albert Zeyer,TaMer-AgHouLee,Hermann Ney:作为通用的灵活神经工具包重新应用于翻译和语音识别(2018)阿西夫
  5. 安得烈-比尔斯;詹姆斯布朗;张智尧;Katharina Hoebel;Elizabeth Gerstner;Bruce Rosen;Jayashree Kalpathy Cramer:TeimNeNo:神经成像的开放源学习工具箱(2018)阿西夫
  6. Baydin,Barak A.,Radul,Alexey Andreyevich,西斯金德,Jeffrey Mark:机器学习中的自动微分:一项调查(2018)
  7. Birk,洛塔尔;McCulloch,T. Luke:基于自动微分和公平优化的约束B样条曲线的稳健生成(2018)
  8. Daniel Emaasit:PYMC学习:Python中的实用概率机器学习(2018)阿西夫
  9. 丹莫尔多凡,James M Decker,王飞,Andrew A Johnson,Brian K Lee,Zachary Nado,D Sculley,Tiark Rompf,Tiark Rompf:亲笔签名:命令式编码与基于图形的性能(2018)阿西夫
  10. Hananel Hazan,Daniel J. Saunders,Hassaan Khan,Darpan T. Sanghavi,Hava T. Siegelmann,Robert Kozma:BindsNET:Python中一种面向机器学习的尖峰神经网络库(2018)阿西夫
  11. Hubara,Itay;Curbalaoux,马蒂厄;Soudry,丹尼尔;El YANIV,RAN;BIGIO,YoSu:量化神经网络:训练具有低精度权值和激活的神经网络(2018)
  12. 因诺森蒂,卢卡;班池,列奥纳多;玻色,Sougato;费雷罗,Alessandro;Paternostro,Fu:通过辅助量子位的量子门近似监督学习(2018)
  13. 科纳特,Arouna;杜瑞英:深入研究巴班拉法语社会媒体文本的情感分析(2018)
  14. 李,Seunghye;哈,Jingwan;Zokhirova,Mehriniso;Moon,Hyeonjoon;李,Jaehong:结构工程深部学习的背景信息(2018)
  15. Pandey,RAMKRISHNA;Ramakrishnan,A. G.:利用卷积神经网络的高效文档图像超分辨率(2018)
  16. Sanyal,阿马蒂亚;库马尔,帕万;卡尔,PuruthTaTM;Chawla,Sanjay;Sebastiani,Fuff:用深网络优化不可分解测度(2018)
  17. 施密茨,摩根A;Hiz,马蒂厄;Bonneel,尼古拉斯;NGL,弗莱德;Coeurjolly,Stuuri;Cururi;Pyr,Piyr,Pielr,S.;WasSertin字典学习:基于最优传输的无监督非线性字典学习(2018)
  18. 施雷伯,雅各伯:石榴:Python中快速灵活的概率建模(2018)
  19. Srajer,FiLip;Kukelova,Zuzana;菲茨吉彭,安得烈:计算机视觉和机器学习中一些问题的选择算法微分工具的基准(2018)
  20. 卡伊:深层主动推理(2018)