【文件属性】：
文件名称：tensor_annotations:使用Python类型注释张量形状
文件大小：76KB
文件格式：ZIP
更新时间：2021-05-08 15:27:06
Python
张量注释
TensorAnnotations是一个实验库，可以使用类型注释对语义张量形状信息进行注释，例如：
def calculate_loss ( frames : Array4 [ Time , Batch , Height , Width ]):
...
该注释指出frames的尺寸类似于时间，类似于批次等（同时不说明实际值-例如实际批次大小）。
为什么？ 两个原因：
形状注解可以静态检查。 这可能会捕获一系列由错误引起的错误，例如在运行代码之前错误地选择轴或减少轴-即使错误不一定会引发运行时异常！
界面文档（还可以在IDE中启用形状自动补全）。
为此，该库提供了三件事：
一组用于TensorFlow和JAX的自定义张量类型，支持上述类型的注释
常见语义标签的集合（例如Time ， Batch等）
保留语义形状信息的公共库函数的类型存根（例如reduce_sum
【文件预览】：
tensor_annotations-master
----tensor_annotations()
--------jax.pyi(22KB)
--------tensorflow.pyi(65KB)
--------axes.py(2KB)
--------__init__.py(696B)
--------py.typed(73B)
--------tensorflow.py(6KB)
--------tools()
--------jax.py(4KB)
--------tests()
--------templates()
----benchmarks()
--------benchmark.py(3KB)
--------README.md(538B)
----jax-stubs()
--------__init__.pyi(60B)
--------setup.py(2KB)
--------numpy()
----tensorflow-stubs()
--------train()
--------__init__.pyi(135KB)
--------core()
--------setup.py(2KB)
--------math()
--------python()
----examples()
--------tensorflow_time_batch.py(3KB)
--------jax_time_batch.py(3KB)
----CONTRIBUTING.md(1KB)
----LICENSE(10KB)
----setup.py(2KB)
----README.md(17KB)