TensorNetwork是一个用于实现张量网络算法的开源库[1]。 张量网络是稀疏数据结构，最初设计用于模拟量子多体物理，但目前也应用于许多其他研究领域，包括机器学习。 我们展示了API在物理和机器学习方面的应用，详细信息出现在配套文件中。
张量网络是稀疏数据结构，专为高维数据的有效表示和操作而设计。它们主要被开发并用于凝聚态物理[2-19]，量子化学[20-23]，统计力学[24-27]，量子场论[28,29]，甚至量子引力和宇宙学。 [30-34]。
最近在将张量网络应用于机器学习方面取得了实质性进展。 Stoudenmire和Schwab使用矩阵乘积状态（MPS）对MNIST数据集进行分类[35]。莱文等人。表明深度卷积运算电路（ConvAC）相当于树张量网络，并为张量网络和卷积网络架构之间更一般的关系提供了经验支持[36]。刘等人。采用二维分层树张量网络在MNIST和CIFAR-10上进行图像识别[37]。这些只是关于张量网络和机器学习的越来越多的文献中的一些例子（更多，参见例如[38-45]）。我们创建TensorNetwork库的主要目标之一是加速这项研究。
为了使本文档保持独立，我们将在第II节中回顾张量网络的基础知识。然后在第三节中，我们将描述如何使用TensorNetwork API执行最常见的张量网络计算，该算法建立在Tensorflow [46]之上。一对配套论文将分别更详细地描述物理和机器学习中的示例应用。
