看懂计算。改造它。

Name: TensorPlay
Author: TensorPlay

从 Tensor 到 kernel，层层可读。一个面向学习、研究和硬件实验的透明框架。

不隐藏计算路径。让每一次前向传播、自动微分与内核执行都可以被阅读、验证和重新组合。

01前向传播

02自动微分

03内核执行

清晰，比魔法更重要。

从 Python 一路追踪到 C++ 核心。每层抽象都可以被剥开，每个操作都有可读路径。

CPU 与 CUDA 后端保持简洁，为自定义硬件内核、算子和 nanobind 绑定留出实验空间。

TPX 将计算与梯度解耦，让动态图、反向传播与新微分模式更容易理解和修改。

用更少样板代码原型化新网络层、优化器、存储格式、算子融合和静态图捕获。

P10

纯张量计算引擎。负责内存管理、基础内核、Dispatcher 与跨硬件后端。

TPX

显式自动微分层。沿动态图观察数据、梯度与反向传播的完整路径。

Stax

静态图优化与 JIT 实验场。用于算子融合、图捕获和计算路径优化。

PyTorch 兼容的高层神经网络接口。Linear、Conv2d 等组件也是自定义层的蓝图。

像 PyTorch 官方选择器一样，选择系统、安装方式和计算平台，生成对应命令。

系统

安装方式

语言Python

计算平台

运行命令python3 -m pip install tensorplay --upgrade

理解“解耦优先”的设计哲学，以及 P10、TPX、Stax 和 NN 如何在清晰边界上协作。

查看算子如何通过 Dispatcher 与 TensorImpl，被分发到合适的硬件后端。

沿着透明扩展模式，理解不侵入 P10 计算逻辑的动态图追踪与梯度回传。

学生、开发者、教育者与研究者都可以参与。阅读路线、贡献代码、讨论架构，或订阅项目动态。