report function in distributedcontrctor

Author: refraction-ray

README_cn.md

@@ -21,7 +21,7 @@
 
 <p align="center"> <a href="README.md">English</a> |  简体中文 </p>
 
-TensorCircuit-NG 是下一代量子软件框架，完美支持自动微分、即时编译、硬件加速、向量并行化和分布式训练。
+TensorCircuit-NG 是下一代量子软件框架，完美支持自动微分、即时编译、硬件加速、向量并行化和分布式训练，是量超智融合的首选平台。
 
 TensorCircuit-NG 建立在现代机器学习框架 Jax, TensorFlow, PyTorch 之上，支持机器学习后端无关的统一界面。 其特别适用于理想情况、含噪声情况、稳定子情况、可控近似情况、连续动力学情况及费米子情况下，大规模量子经典混合范式和变分量子算法的高效模拟。其可以高效地编织和模拟量子线路、张量网络和神经网络组成的混合计算图。
 
@@ -33,7 +33,7 @@ TensorCircuit-NG 是目前积极维护的唯一官方版本，是 TensorCircuit
 
 请从 [完整文档](https://tensorcircuit-ng.readthedocs.io/) 中的 [快速上手](/docs/source/quickstart.rst) 开始。
 
-有关软件用法，算法实现和工程范式演示的更多信息和介绍，请参阅 90+ [示例脚本](/examples) 和 40+ [案例教程](https://tensorcircuit-ng.readthedocs.io/en/latest/#tutorials)。 [测试](/tests) 用例和 API docstring 也提供了丰富的使用信息。
+有关软件用法，算法实现和工程范式演示的更多信息和介绍，请参阅 100+ [示例脚本](/examples) 和 40+ [案例教程](https://tensorcircuit-ng.readthedocs.io/en/latest/#tutorials)。 [测试](/tests) 用例和 API docstring 也提供了丰富的使用信息。
 
 TensorCircuit-NG 也支持 AI 原生编程资源：[Devin Deepwiki](https://deepwiki.com/tensorcircuit/tensorcircuit-ng) 和 [Context7 MCP](https://context7.com/tensorcircuit/tensorcircuit-ng).
 

tensorcircuit/experimental.py

@@ -833,16 +833,7 @@ def __init__(
         )
         actual_num_slices = self.tree.nslices
 
-        print("\n--- Contraction Path Info ---")
-        stats = self.tree.contract_stats()
-        print(f"Path found with {actual_num_slices} slices.")
-        print(
-            f"Arithmetic Intensity (higher is better): {self.tree.arithmetic_intensity():.2f}"
-        )
-        print("flops (TFlops):", stats["flops"] / 2**40 / self.num_devices)
-        print("write (GB):", stats["write"] / 2**27 / actual_num_slices)
-        print("size (GB):", stats["size"] / 2**27)
-        print("-----------------------------\n")
+        self._report_tree_info()
 
         slices_per_device = int(np.ceil(actual_num_slices / self.num_devices))
         padded_size = slices_per_device * self.num_devices
@@ -872,6 +863,19 @@ def __init__(
 
         logger.info("Initialization complete.")
 
+    def _report_tree_info(self) -> None:
+        print("\n--- Contraction Path Info ---")
+        actual_num_slices = self.tree.nslices
+        stats = self.tree.contract_stats()
+        print(f"Path found with {actual_num_slices} slices.")
+        print(
+            f"Arithmetic Intensity (higher is better): {self.tree.arithmetic_intensity():.2f}"
+        )
+        print("flops (TFlops):", stats["flops"] / 2**40 / self.num_devices)
+        print("write (GB):", stats["write"] / 2**27 / actual_num_slices)
+        print("size (GB):", stats["size"] / 2**27)
+        print("-----------------------------\n")
+
     @staticmethod
     def _get_tree_data(
         nodes_fn: Callable[[Tensor], List[Gate]],