2 dépôts
Validates that array dimensions match expected shapes during execution.
Distinct from Array Shape Validation: Distinct from Array Shape Validation: focuses on runtime verification of object shapes rather than static schema analysis.
Explore 2 awesome GitHub repositories matching testing & quality assurance · Runtime Shape Verification. Refine with filters or upvote what's useful.
Tensor-Puzzles est une suite d'exercices éducatifs et un tutoriel de calcul numérique conçu pour maîtriser les opérations sur les tenseurs et les règles de broadcasting au sein de PyTorch. Il fonctionne comme un formateur d'implémentation où les utilisateurs s'entraînent à traduire des formules mathématiques en code en réimplémentant des primitives mathématiques d'apprentissage profond. Le projet utilise une suite d'exercices basée sur des contraintes qui restreint les appels de bibliothèque disponibles pour forcer l'utilisation de primitives de tenseur spécifiques. Ces défis sont structurés comme des puzzles séquentiels qui exigent des utilisateurs de résoudre des tâches en utilisant un modèle d'implémentation modulaire, où les fonctions complexes sont décomposées en opérations dépendantes plus simples. L'exactitude est assurée par un environnement d'exécution intégré à PyTorch qui utilise une validation par implémentation de référence et des vérifications de tolérance numérique. Le système vérifie que les sorties définies par l'utilisateur correspondent aux résultats de référence et adhèrent aux règles standard de broadcasting de tableaux multidimensionnels.
Provides runtime verification to ensure tensor dimensions adhere to broadcasting alignment rules.
xtensor is a C++ multidimensional array library for numerical computing that provides N-dimensional containers with an interface mirroring the NumPy API. It utilizes a lazy evaluation expression engine to defer numerical computations until assignment, which minimizes memory allocations and intermediate copies. The library features a foreign memory array adaptor that allows it to wrap external buffers, such as NumPy arrays, to perform numerical operations in-place without duplicating data. It further optimizes performance through lazy broadcasting and a system that manages the lifetime of temp
Checks if two objects possess the same shape or match a target shape at runtime.