问HN：完全用Mojo构建了一个张量和神经网络框架——有什么反馈吗？
Tenmo
一个用纯Mojo编写的轻量级张量库和神经网络框架。<p>https://github.com/ratulb/tenmo<p>Tenmo专注于：<p>SIMD优化
显式内存布局
零拷贝视图
一个简约但实用的自动求导系统
状态：Tenmo与Mojo本身一起发展。
API可能会发生变化。目前尚未准备好用于生产环境。<p>性能
MNIST（4层多层感知器，105K参数，15个训练周期）
平台 设备 平均每个周期 总测试准确率
Tenmo CPU（Mojo） 11.4秒 171秒 97.44%
PyTorch CPU 14.5秒 218秒 98.26%
PyTorch GPU（Tesla T4） 15.2秒 227秒 97.87%
备注<p>Tenmo在连续缓冲区上使用SIMD向量化内核。
在MNIST运行中未使用BLAS——所有操作均作为纯Mojo代码执行。
对于这种规模的模型，GPU开销占主导地位；更大模型更能从GPU加速中受益。
快速示例
```python
from testing import assert_true
from tenmo import Tensor
fn main() raises:
var a = Tensor.d1([1.0, 2.0, 3.0], requires_grad=True)
var b = a * 2
var c = a * 3
var d = b + c
d.backward()
assert_true(a.grad().all_close(Tensor.d1([5.0, 5.0, 5.0])))
```
非常感谢您的反馈！
查看原文
Tenmo
A lightweight tensor library and neural network framework written in pure Mojo.<p>https://github.com/ratulb/tenmo<p>Tenmo focuses on:<p>SIMD-optimization
explicit memory layout
zero-copy views
a minimal but practical autograd system
Status: Tenmo evolves alongside Mojo itself.
APIs may change. Not production-ready yet.<p>Performance
MNIST (4-layer MLP, 105K params, 15 epochs)
Platform Device Avg Epoch Total Test Acc
Tenmo CPU (Mojo) 11.4s 171s 97.44%
PyTorch CPU 14.5s 218s 98.26%
PyTorch GPU (Tesla T4) 15.2s 227s 97.87%
Notes<p>Tenmo uses SIMD-vectorized kernels on contiguous buffers.
No BLAS was used in the MNIST run — everything executes as pure Mojo code.
GPU overhead dominates for models of this size; larger models benefit more from GPU acceleration.
Quick Example
from testing import assert_true
from tenmo import Tensor<p>fn main() raises:
var a = Tensor.d1([1.0, 2.0, 3.0], requires_grad=True)<p><pre><code> var b = a * 2
var c = a * 3
var d = b + c
d.backward()
assert_true(a.grad().all_close(Tensor.d1([5.0, 5.0, 5.0])))
</code></pre>
Feedback highly appreciated!