Feature: einsum

Abierto
#156 1 comentario 2 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
20/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Estancado
Stack tecnológico
numpy, python
Área
hpc

Línea de trabajo

El issue no menciona archivos del repositorio, pruebas ni puntos de entrada; comienza localizando la API de operaciones de arrays del binding de Python y revisando cómo se exponen las operaciones de OpenCL y CUDA. Compara el comportamiento solicitado de NumPy einsum y el ejemplo con las capacidades existentes, y después define los casos compatibles y las pruebas antes de la implementación.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Good day!
Could you please Implement something like numpy.einsum (for OpenCL and CUDA)?

In particular, I'm interested in row/column-wise outer product, like this, but einsum is very universal and useful thing...

A = np.random.randint(1,7, size=(3,2))
B = np.random.randint(1,7, size=(2,3))
X = np.einsum('ik,kj->kij', A,B)
X
array([[[ 8, 16, 12],
        [ 8, 16, 12],
        [ 4,  8,  6]],

       [[15,  3, 12],
        [ 5,  1,  4],
        [ 5,  1,  4]]])
Lenguaje dominante
Python
Estrellas
422
Forks
63
Sin PR fusionados en 30 d

Guía de contribución

No hay ninguna guía de contribución indexada para este repositorio

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de arrayfire/arrayfire-python

Todos los issues de arrayfire/arrayfire-python

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.