待验证50% 置信事实精确时间
e3nn是由Geiger等人开发的、专门用于构建E(3)等变神经网络的开源PyTorch框架，核心数据结构是不可约表示特征
1
来源数
50%
置信度
长期有效
时效性
2026/8/21
首次发现
来源
相关事实
待验证代表性等变神经网络架构包括SchNet、EGNN、SE(3)-Transformer，扩散框架相关模型包括FrameDiff、FoldFlow68% 相似待验证GGML是Gerganov自研的张量运算库，专为CPU推理优化，采用纯C实现，可在ARM、x86等架构上运行58% 相似待验证Ollama底层通过llama.cpp实现跨平台推理，支持NVIDIA CUDA、Apple Metal（M系列芯片）和纯CPU三种计算后端57% 相似待验证混合架构的核心理念是将不同类型的神经网络模块（如RNN/GRU、Transformer注意力、GNN、统计因子分支）组合以捕捉金融数据中的多维度模式56% 相似待验证ESP32-S3微控制器内置向量指令集可直接运行小型神经网络56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/784022API
curl https://kongchang.com/api/v1/knowledge/claims/784022MCP
get_claim(id=784022)