differentiable idris:依赖类型满足深度学习 源码

关于idris的可区分编程,为什么? (在制品!) 由于pytorch具有极大的灵活性,我将绑定到pytorch cpp而不是tensorflow 通过深度学习来学习和研究依赖类型 详尽的反思,也许是最先进的宏系统,将使我们伟大的静态键入功能代码简洁而美观 利用现有的深度学习优化工作,而不是使用全新的框架 语法,api: depGraph2 : FreeGraphD $ (TensorD [1],TensorD [2]) depGraph2 = do in1 <- liftF $ PlaceholderD [ 1 ] out1 <- liftF $ PlaceholderD [ 2 ] out2 <- PlaceholderD [ 2 ] -- using implicits pure (in1,out1) compGraphD : FreeGraphD $ Tensor