# Python 张量缩并入门
张量是多维数组的通用表示，是深度学习和科学计算中不可或缺的基础结构。在Python中，最常用的张量库是NumPy和PyTorch，它们提供了丰富的功能用于操作和处理张量。本文将介绍张量的缩并（即缩减维度和合并维度）概念，并提供相应的代码示例。
## 一、张量的基本概念
张量可以被视为一个具有任意维度的数组。1D张量是向量，2D张量是矩阵，3D张量可以是图像数据
原创
2024-08-11 04:32:29
243阅读
在Torch中，张量的操作非常重要，为了便于学习，这里整理下来。1 张量的拆分和拼接 在 PyTorch 中，对张量 (Tensor) 进行拆分通常会用到两个函数：torch.split [按块大小拆分张量]t
转载
2023-10-16 13:22:30
289阅读
十、张量网络收缩算法 1. 张量网络的基本定义 通过前面的学习，我们对张量网络有了简单的了解，这里我们给出张量网络的一般定义：由多个张量按照一定的收缩规则构成的模型，被称为张量网络。 其中，收缩规则由张量网络形成的图确定，网络中的一个节
转载
2024-05-13 16:55:07
190阅读
# 在 Python 中实现张量网络的缩并
近年来，张量网络（Tensor Network）在量子物理、机器学习等领域得到了广泛应用。特别是在处理多维数据时，张量网络能够高效地简化计算。对于刚入行的小白，本文将详细介绍如何在 Python 中实现张量网络的缩并（contraction）。
## 流程概述
在本文中，我们将遵循以下流程来实现张量网络的缩并：
| 步骤 | 描述
原创
2024-10-02 05:07:55
67阅读
张量的操作一、张量的拼接1、torch.cat(input, dim=0, out=None) 功能：将张量按维度dim进行拼接 参数：input：要操作的张量 dim：要拼接的维度 2、torch.stack(input, dim=0, out=None) 功能：在新创建的维度上进行拼接 参数：input：要操作的张量 dim：要拼接的维度 cat和stack的区别是，cat方法不会扩展维度，而
转载
2024-09-13 14:21:15
83阅读
张量的缩并运算张量的缩并运算张量的缩并运算
原创
2022-01-05 14:57:59
4688阅读
# Python中的张量运算模块及其张量并积
在当今的人工智能和机器学习领域，张量（Tensor）作为一种多维数组的通用形式，广泛应用于数据处理和模型训练。Python语言中有许多图书馆可以方便地进行张量运算，其中尤以`NumPy`和`PyTorch`等库最为流行。本文将为大家详细介绍张量的概念、张量运算，尤其是张量并积的实现，并提供一些代码示例，帮助大家更好地理解和应用这些知识。
## 什么
tensorx = torch.rand(4,5)
torch.save(x.to(torch.device('cpu')), "myTensor.pth")
y = torch.load("myTensor.pth")
print(y)list 保存到本地就是保存为.npy文件import numpy as np
a = [(u'9000023330249', 1), (u'13142928
转载
2023-06-30 10:09:39
217阅读
pytorch张量运算张量的简介生成不同数据类型的张量list和numpy.ndarray转换为TensorTensor与Numpy Array之间的转换Tensor的基本类型转换（float转double，转byte等）torch.arange()、torch.range()、torch.linspace的区别：张量的重排（reshape、squeeze、unsqueeze、permute、t
转载
2023-05-26 10:08:33
176阅读
目录一、张量概述：二、初始化张量：直接使用Python列表转化为张量：通过Numpy数组（ndarray）转换为张量：通过已有的张量生成新的张量：通过指定数据维度生成张量： 三、张量属性：四、张量的运算：1.张量的索引和切片：2.张量的拼接：3.张量的乘法和矩阵乘法：乘法（点乘）：矩阵乘法（叉乘）：4.自动赋值运算：五、Tensor和Numpy的相互转换：1.由tensor转换为ndar
转载
2023-06-19 18:58:18
615阅读
5. Tensor 分解张量的最大特征之一是可以被紧密地表示为分解形式，并且我们有强大的保证方法来得到这些分解。在本教程中，我们将学习这些分解形式以及如何进行张量分解。关于张量分解的更多信息，请参考1。5.1. Tensor 的 Kruskal 形式其思想是将张量表示为一阶张量的和, 也就是向量的外积的和。这种表示可以通过应用典型的Canonical Polyadic 分解(也称为CANDECOM
转载
2023-10-23 09:30:20
191阅读
目录2.1 张量的数据类型2.2 张量的生成 (1)使用torch.tensor()函数生成张量 (2) torch.Tensor()函数（3）张量和Numpy数据相互转换（4）随机数生成张量（5）其他生成张量的函数2.3 张量操作 (1) 改变张量的形状 (2)获取张量中的元素（需要细化)2.4 张量计算
个人吐槽区：上一篇文章的学习是纯看书学的，后来发现这样有些看不进去，于是在B站上找了网课.......Element-wise operations（逐点运算）逐点运算，顾名思义，也就是两个同等规模的张量进行运算时，相同位置的数值进行同样的运算。举个栗子：import numpy as np
>>> x = np.array([ 1, 2, 5, 3])
>>>
转载
2023-12-28 20:34:33
99阅读
最近看的一篇paper需要的背景知识（可能略有删改）目录1.张量简介2.张量的定义与运算2.1 张量(Tensor)2.2 纤维(Fibre)2.3 切片(Slice)2.4 内积(Inner product)2.5 矩阵展开(Unfolding-Matricization)2.6 外积(Outer Product)2.7 Kronecker乘积(Kronecker Product)2
文章目录1. pytorch张量1.1 初始化张量1.2 张量类型1.3 创建随机值张量1.4 张量属性1.5 将张量移动到显存2. 张量运算2.1 与NumPy数据类型的转换2.2 张量的变形2.3 张量的自动微分 1. pytorch张量PyTorch最基本的操作对象是张量，张量是PyTorch中重要的数据结构，可认为是一个高维数组。张量类似NumPy的数组(ndarray)，与ndarra
转载
2023-10-11 10:15:38
141阅读
TensorFlow这里简单总结一下TensorFlow的入门学习基础，作为TensorFlow学习之旅的启航。
张量（Tensor）TensorFlow 内部的计算都是基于张量的,张量是在我们熟悉的标量、向量之上定义的，详细的定义比较复杂，我们可以先简单的将它理解为一个多维数组：3 # 这个 0 阶张量就是标量，shape=[] [1., 2., 3.] # 这个 1 阶张量就是向量，sha
转载
2024-09-01 10:09:23
43阅读
张量什么是张量？一个数，一个数组，一个矩阵都是张量。张量包含多个属性，下面我将进行介绍。 张量的维度，叫做轴（axis）。维度可以无限扩充。查看张量维度：>>> x.ndim标量（0D张量）对应的是数值，例如1，2，3等。向量（1D张量）我们传统理解上的向量是（0,1）、（256,256）等，但这里向量相当于所谓一维数组。>>> x = np.arra
转载
2023-08-14 11:30:59
91阅读
一. 概念：张量、算子 张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。张量这一术语起源于力学，它最初是用来表示弹性介质中各点应力状态的，后来张量理论发展成为力学和物理学的一个有力的数学工具。张量之所以重要，在于它可以满足一切物理定律必须与坐标系的选择无关的特性。张量概念是矢量概念的推广，矢量是一阶
转载
2024-07-04 17:52:56
210阅读
一. 概念：张量、算子张量：张量分解是机器学习中十分重要的一种方法，常用于各类多维数据或参数的建模，可视为矩阵分解的高阶形式算子：算子是一个函数空间到函数空间上的映射O：X→X。广义上的算子可以推广到任何空间，如内积空间等。（百度百科）二. 使用pytorch实现张量运算1.2.1 创建张量首先引入pytorchimport torch1.2.1.1 指定数据创建张量（1）通过指定的Python列
转载
2023-10-20 13:35:34
95阅读
本文是讲解如何在Python中实现CP张量分解，包括张量分解的简要介绍。主要目的是专注于Python中张量分解的实现。根据这个目标，我们将使用Python中提供的两个库(TensorLy和tensortools)实现张量分解，并使用Numpy(通过交替优化)实现张量分解的简单实现。此外，在重构误差和执行时间两方面对三种方法的结果进行比较。张量分解让我们简单地从标题中定义每个术语。张量：张量是一个多
转载
2023-10-24 08:40:59
154阅读
