访问官网
Github
文档
这是DiffSharp 1.0的开发分支。
注意：此分支正在开发中。它包含不完整的代码、功能和设计，可能会随时更改；使用TorchSharp后端时，目前仅支持x64平台，详情请参阅[DEVGUIDE.md]。
DiffSharp是一个支持可微分编程的张量库。它专为机器学习、概率编程、优化和其他领域而设计。
主要特点
- 嵌套和混合模式微分
- 常见优化器、模型元素、可微分概率分布
- 使用F#进行稳健的函数式编程
- PyTorch熟悉的命名和习惯用法，高效的LibTorch CUDA/C++张量，支持GPU
- 支持Linux、macOS和Windows
- 可在Jupyter和Visual Studio Code中使用交互式笔记本
- 100%开源
文档
您可以在这里找到文档，包括安装和入门信息。
发行说明可以在这里找到。
交流
请使用GitHub问题来分享错误报告、功能请求、安装问题、建议等。
贡献
我们欢迎所有的贡献。
团队
DiffSharp由Atılım Güneş Baydin、Don Syme和其他贡献者开发，最初是由自动微分专家Barak Pearlmutter和Jeffrey Siskind监督的项目。
许可证
DiffSharp采用BSD 2-Clause "简化"许可证，您可以在此存储库的LICENSE文件中找到。
