主页： ： 一个高效且灵活的C ++库，用于执行张量网络计算。 库的基础是智能张量或ITensor。 收缩ITensor并不比乘上标量更难：匹配的索引会自动找到彼此并收缩。 这使得将张量网络图转换为正确，有效的代码变得容易。 可以在文件中找到安装说明。 引文 如果您在工作中使用ITensors.jl，请暂时引用： @misc { fishman2020itensor , title = { The \mbox{ITensor} Software Library for Tensor Network Calculations } , author = { Matthew Fishman and Steven R. White and E. Miles Stoudenmire } , year = { 2020 } , eprint = { 2007

matlab精度检验代码神经张量网络 Socher，Richard和Chen，Danqi和Manning，Christopher D和Ng，Andrew编写的基于神经张量网络推理的Matlab原始实现，用于完成知识库 这是论文中的数据集和代码： 使用神经张量网络进行知识库完善的推理Richard Socher，Danqi Chen，Christopher Manning，Andrew Ng神经信息处理系统的进步（NIPS 2013） 如果您在研究中使用数据集/代码，请引用以上论文。 @incollection {SocherEtAl2013：DeepKB，标题= {与神经张量网络进行知识库完善的原因}，作者= {Richard Socher和Danqi Chen以及Christopher Manning和Ng Andrew}，书名= {NIPS}，年份= {2013}} =====数据===== 文件夹data /中包含两个数据集：WordNnet /，Freebase /。 每个数据集包含六个文件： train.txt：培训文件，格式（e1，rel，e2）。 dev.txt：dev文

svd算法matlab代码用于Matlab:copyright:/ Octave:copyright:的Tensor网络随机SVD 使用随机矩阵算法计算MPO（张量训练矩阵）格式的给定矩阵的SVD低秩近似。 还包括用于将稀疏矩阵快速转换为MPO形式的算法。 职能 演示 简短说明如何通过佛罗里达大学稀疏矩阵集合的Erdos972矩阵使用代码。 [UTN，S，VTN] = TNrSVD（ATN，k，q，tol） 使用随机SVD算法计算MPO形式的ATN中给定矩阵A的k / 2秩近似。 正交矩阵U和V都直接以MPO形式计算， q表示子空间迭代中的指数（ A ^ T ** A *）^ q，并且tol是用于基于SVD的MPO舍入的相对公差。 [UTN，S，VTN，err] = qTNrSVD（ATN，k，roundtol，relerrortol） 使用q自适应随机SVD算法计算MPO形式的ATN中给定矩阵A的k / 2秩近似。 正交矩阵U和V都直接以MPO形式计算， roundtol是用于基于SVD的MPO舍入的相对容差，而relerrortol是所计算的奇异值的期望近似相对误差。 TN =矩阵2mpo（A，n） 将给定的（稀疏）矩阵

张量网络是由许多低阶张量组成的网络来表示高阶张量的有效方法，这些低阶张量网络在量子物理和应用数学中都有研究。