Feature: einsum

Ouverte
#156 1 commentaire 2 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Évaluation

Difficulté
5/5
Temps estimé
Plus d'une semaine
Accessibilité débutants
20/100
Type d'issue
Fonctionnalité
Clarté
À clarifier
Activité
À l'abandon
Stack technique
numpy, python
Domaine
hpc

Piste de recherche

L’issue ne mentionne aucun fichier du dépôt, test ou point d’entrée ; commencez par localiser l’API d’opérations sur les tableaux du binding Python et examiner comment les opérations OpenCL et CUDA sont exposées. Comparez le comportement NumPy einsum demandé et l’exemple avec les fonctionnalités existantes, puis définissez les cas pris en charge et les tests avant l’implémentation.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

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]]])
Langage dominant
Python
Étoiles
422
Forks
63
Aucune PR mergée en 30 j

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de arrayfire/arrayfire-python

Toutes les issues de arrayfire/arrayfire-python

Issues similaires

Plus d'issues Python

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.