ndarray 项目技术文档
ndarray 是一个模板库,提供类似于 Python 'numpy' 的多维数组对象在 C++ 中的使用。本文档旨在帮助用户安装、使用和理解 ndarray 项目。
1. 安装指南
ndarray 可以使用 CMake 进行构建和测试。以下是详细的安装步骤:
-
创建一个构建目录:
mkdir build cd build -
运行 CMake 配置:
cmake .. -
编译项目:
make -
运行测试:
make test
构建过程中可以选择包含可选依赖项,这由 NDARRAY_* 的 CMake 选项控制。依赖项的解析可以通过环境变量 PYBIND11_DIR、EIGEN_DIR 和 FFTW_DIR 控制。例如,要构建一个使用替代 Eigen3 安装位置并禁用 FFTW 测试的版本,可以将 cmake .. 替换为 EIGEN_DIR=/opt/local cmake -DNDARRY_FFTW=OFF ..。
注意:ndarray 的构建系统在 pybind11 2.1.x 版本下不会为 pybind11 输出正确的后缀(由于 pybind11 本身的错误)。为了避免这个问题,请升级到 pybind11 2.2.x,或者尝试使用 ndarray 提交 f46c0f0ff876ceab5aaa3286e5f6e86902e72feb 中的(现已回滚的)补丁。
版本 1.4.2 是最后一个支持 SWIG 的 ndarray 版本。
版本 1.5.3 是最后一个支持 Boost.Python 的 ndarray 版本。
2. 项目使用说明
ndarray 提供了与 Python 'numpy' 类似的多维数组操作。用户可以通过阅读官方文档了解更多信息。
3. 项目 API 使用文档
ndarray 的 API 设计旨在模仿 Python 'numpy' 的接口。以下是 API 的简要概述:
Array<T>:表示一个元素类型为 T 的多维数组。view():用于创建数组视图,支持多维切片和索引操作。const_array_cast<T>:用于将数组转换为具有不同元素类型的数组。static_dimension_cast<T>:用于在保持数组维度不变的情况下转换数组。dynamic_dimension_cast<T>:用于在可能减少数组维度的条件下转换数组。
更多 API 细节和示例,请参考官方文档。
4. 项目安装方式
如前所述,ndarray 的安装方式是通过 CMake。以下是简要的安装步骤:
mkdir build
cd build
cmake ..
make
确保你的系统中已经安装了 CMake、编译器和所有必要的依赖项。
以上文档旨在帮助用户更好地了解和使用 ndarray 项目,祝您使用愉快!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00