快速开始
定义一个小型张量网络，搜索收缩路径，并核对数值结果。
本页目录
执行搜索
安装包含 Light / Heavy 的 Python 包后，在同一个 Python 会话中依次运行下面三段代码，计算 A @ B @ C。完整安装包会自动加载编译库；源码构建版本需要先完成编译库配置。这里分别进行收缩序优化和数值执行；首页演示则用一个量子线路展示张量转换、收缩树与数值结果。
1. 定义网络与数组
import numpy as np
inputs = [("a", "b"), ("b", "c"), ("c", "d")]
output = ("a", "d")
size_dict = {"a": 2, "b": 3, "c": 4, "d": 2}
a = np.arange(6, dtype=np.float64).reshape(2, 3)
b = np.arange(12, dtype=np.float64).reshape(3, 4)
c = np.arange(8, dtype=np.float64).reshape(4, 2)
arrays = [a, b, c]
inputs[i] 按 arrays[i] 的轴顺序列出 index。output 决定结果保留哪些 index 及其轴顺序；size_dict 必须列出所有使用到的 index 及其维度，不能缺少或多出条目。
2. 执行收缩序优化
from arctn import arctn_plan
plan = arctn_plan(
inputs, output, size_dict,
preset="light", seed=0,
)
print("SSA path:", plan.ssa_path)
print("sliced indices:", plan.sliced_legs)
print("metrics:", dict(plan.metrics))
plan 包含网络结构、SSA path 和指标，不包含数值数组。这里没有请求切片，因此 plan.sliced_legs 为空。preset="light" 选择规划开销较低的预设；默认值是 Heavy。
3. 执行并核对结果
result, info = plan.execute(
arrays, backend="native", return_info=True
)
np.testing.assert_allclose(result, a @ b @ c)
print(info["execution_backend"])
print(result)
native
[[ 324. 422.]
[1008. 1304.]]
execute() 复用已有路径，不会重新调用 Light 或 Heavy。这里的 backend="native" 使用 ArcTN 的 Rust CPU 执行器；NumPy 计算参考结果，用于数值核对。