DotTorch.Core 9.0.17

• net8.0

  • No dependencies.

• net9.0

  • No dependencies.

RU:
- Добавлены методы `Tensor.Concat` и `Tensor.SetSlice`, реализованные через бэкенд.
- `Tensor.Reshape` перенесён в бэкенд `CpuBackend`.
- Обновлены Slice-перегрузки и привязаны к BackendRegistry.
- Исправлено поведение `Tensor.Slice` при индексировании с использованием списка индексов:
теперь вызов `Slice(int[] indices)` корректно возвращает скаляр, а вызовы `Slice(int axis, int start, int length)`
возвращают срезы. Это устраняет неоднозначность перегрузок и предотвращает неверные формы результата.
- Улучшена производительность `UnravelIndex` при массовом вызове — оптимизированы вычисления индексов для снижения затрат при массовых операциях с broadcasting.
- Оптимизированы методы с broadcasting (Add, Mul, Sub, Div и др.) для снижения количества аллокаций и повторных вычислений strides.
- Использован массив индексов `idx` для переиспользования при распаковке индексов, что снижает нагрузку на сборщик мусора и повышает кэш-локальность.
- Переработан цикл batched MatMul с использованием предварительно вычисленных strides и offset-ов для максимальной скорости.
- Переписан метод `Transpose` с применением новой перегрузки `UnravelIndex` с передачей strides и переиспользованием массива индексов для уменьшения аллокаций и повышения производительности.

CH:
- 添加了通过后端实现的 `Tensor.Concat` 和 `Tensor.SetSlice` 方法。
- `Tensor.Reshape` 迁移至后端 `CpuBackend` 实现。
- 重构了 Slice 方法，并使用了 BackendRegistry。
- 修正了 `Tensor.Slice` 在使用索引数组时的行为：`Slice(int[] indices)` 正确返回标量，而 `Slice(int axis, int start, int length)` 返回切片，避免了重载歧义，防止返回错误形状。
- 优化了批量调用 `UnravelIndex` 的性能 — 通过重用索引数组和减少计算步骤来提升广播操作效率。
- 优化了带广播的运算方法（加法、乘法、减法、除法等），减少内存分配和重复计算步长。
- 使用复用的索引数组 `idx` 来降低垃圾回收压力和提高缓存命中率。
- 重新设计了批处理矩阵乘法，使用预计算的步长和偏移，提升性能。
- 重写了 `Transpose` 方法，使用了带步长参数的 `UnravelIndex` 重载和可复用索引数组，减少分配，提高性能。

DE:
- Methoden `Tensor.Concat` und `Tensor.SetSlice` über das Backend hinzugefügt.
- `Tensor.Reshape` wurde in das Backend `CpuBackend` verlagert.
- Alle Slice-Überladungen wurden auf das Backend umgestellt.
- Verhalten von `Tensor.Slice` bei Indizierung mit Indexlisten korrigiert: `Slice(int[] indices)` gibt nun korrekt einen Skalar zurück, während `Slice(int axis, int start, int length)` Slices zurückgibt. Dies behebt Überladungszweideutigkeiten und verhindert falsche Formen.
- `UnravelIndex` wurde für hohe Aufrufzahlen optimiert — durch Wiederverwendung von Indexarrays und Reduktion der Berechnungsschritte für Broadcasting.
- Optimierung der Broadcasting-Methoden (Add, Mul, Sub, Div etc.) zur Verringerung von Allokationen und Berechnung von Strides.
- Verwendung eines wiederverwendbaren Index-Arrays `idx` zur Reduzierung der Garbage Collection und Verbesserung der Cache-Lokalität.
- Umgestaltung der batched MatMul-Schleifen mit vorab berechneten Strides und Offsets für maximale Geschwindigkeit.
- Methode `Transpose` neu geschrieben mit neuer `UnravelIndex`-Überladung inkl. Strides und Wiederverwendung des Index-Arrays zur Reduktion von Allokationen und Leistungssteigerung.

EN:
- Added `Tensor.Concat` and `Tensor.SetSlice`, now backend-powered.
- `Tensor.Reshape` has been moved to `CpuBackend`.
- Slice overloads now route through `BackendRegistry`.
- Fixed `Tensor.Slice` behavior for indexing with a list of indices: `Slice(int[] indices)` now correctly returns a scalar, while `Slice(int axis, int start, int length)` returns slices. This resolves overload ambiguities and prevents incorrect output shapes.
- Optimized `UnravelIndex` for high-frequency calls — by reusing index arrays and reducing computation steps, improving broadcasting efficiency.
- Optimized broadcasting operations (Add, Mul, Sub, Div, etc.) to reduce allocations and redundant strides calculations.
- Used reusable index array `idx` to lower garbage collection pressure and improve cache locality.
- Refactored batched MatMul loops with precomputed strides and offsets for maximal performance.
- Rewrote `Transpose` method using new `UnravelIndex` overload with strides and reusable index arrays to minimize allocations and boost performance.