0

今年夏天我打算在我的机器学习工作中再迈出一步，我想了解 Metal API 以及如何编写用于计算的内核。

然而，第一步（除了 metal api 的“hello worlds”）是将 Numpy 包装到我可以在 metal 中实现的 API 中。

这个想法有意义吗？

src/math/matlib.py

import platform
_impl = None


o_system = platform.platform()
if o_system == 'Darwin':
    import impls.metal_math as metal
    _impl = metal
elif o_system == 'Linux':
    import numpy as np
    _impl = np
elif o_system == 'Windows':
    import numpy as np
    _impl = np
else:
    import numpy as np
    _impl = np


def array(x):
    """docs to be written"""
    return _impl.array(x)


def square(x, y):
    """docs to be written"""
    return _impl.square(x, y)


def T(x):
    """docs to be written"""
    return array(x).T


def dot(x, y):
    """docs to be written"""
    return _impl.dot(x, y)


def add(x, y):
    """docs to be written"""
    return _impl.add(x, y)

src/math/impls/metal.py（还没写，待理解学习）

def array(x):
    return 'MY NATIVE METAL ARRAY WRAPPER'

... all other functions.
4

0 回答 0