稀疏张量基础 稀疏张量是稀疏矩阵的高维扩展，其中非零元素表示为一组索引和关联值。 Data Generation 可以通过提取非零元素直接生成数据。本文展示了一个简单的2D数组，其中心有5个非零元素。 data = [ [0, 0, 2.1, 0, 0], [0, 1, 1.4, 3, 0], [0
转载
2021-01-03 19:12:00
226阅读
2评论
稀疏张量网络 稀疏张量 在传统语音，文本或图像数据中，特征是密集提取的。因此，用于这些数据的最常见表示形式是矢量，矩阵和张量。但是，对于3维扫描或什至更高维的空间，这样的密集表示效率不高，因为有效信息仅占空间的一小部分。取而代之，只能将信息保存在空间的非空区域上，这与将信息保存在稀疏矩阵上的方式类似
转载
2021-01-03 17:48:00
567阅读
2评论
# 稀疏张量运算在Python中的应用
## 引言
在数据科学和机器学习领域，处理大规模数据集时，稀疏矩阵和稀疏张量是一种非常有效的数据表示方式。稀疏张量允许我们存储具有大量零元素的多维数组，节省存储空间并提高计算效率。本文将介绍如何在Python中进行稀疏张量运算，并提供实际的代码示例以帮助理解。
## 什么是稀疏张量？
稀疏张量是一种多维数组，其大部分元素为零。在某些应用中，比如图像处
已知线性方程组的矩阵表示形式为： 当矩阵为低阶稠密矩阵时，通常可以采用直接法-矩阵分解，将矩阵直接进行分解，然后求解； 当矩阵为高阶稀疏矩阵时（含有较多0元素），通常采用迭代法，如雅克比（Jacobi）迭代法、高斯-赛德尔（Gauss-Seidel）迭代法、超松弛（SOR）迭代法等，对于迭代法，将会面临收敛性问题。即随着迭代次数的增加，误差并不会较小，反而不断增加。本文分别对雅克比迭代法、高斯-赛
转载
2024-01-30 21:49:49
37阅读
2021SC@SDUSC源代码下载地址：https://gitee.com/zeusees/HyperLPR源码配置的详情见第一篇分析 本篇内容将总结队友所分析的recognizer.py以及SimpleRecognizePlate()函数：一、对recognizer.py的部分代码进行分析：Keras是由纯python编写的基于theano/tensorflow的深度学习框架。Kera
转载
2024-01-12 05:34:55
206阅读
标量简单操作 长度 向量简单操作 长度 其他操作 矩阵简单操作 乘法（矩阵*向量） 乘法（矩阵*矩阵） 范数 取决于如何衡量b和c的长度常见范数矩阵范数：最小的满足的上面公式的值Frobenius范数 特殊矩阵对称和反对称 正
转载
2024-08-15 13:50:15
52阅读
# 高阶稀疏张量CP分解
## 一、简介
在介绍高阶稀疏张量CP分解的实现之前，我们先来了解一下什么是高阶稀疏张量CP分解。CP分解，全称为Canonical Polyadic Decomposition，是一种广泛应用于张量分解的方法，它将一个高阶张量分解为多个低阶张量的叠加。高阶稀疏张量CP分解则是在CP分解的基础上，对稀疏张量进行分解。
## 二、流程
下面是高阶稀疏张量CP分解的整
原创
2023-09-10 11:20:16
420阅读
稀疏张量概述1.1 概述1.2COO张量的原理第2部分 稀疏张量创建的代码示例2.1 环境准备2.2 构建稀疏张量：SparseTensor(indices, values, dense_shape)2.3 把稀疏矩阵/张量转换成稠密矩阵/张量：tf.sparse.to_dense()第1部分 稀疏张量概述1.1 概述稀疏张量...
原创
2021-08-15 13:54:09
2391阅读
一般一维数组，我们称之为向量（vector）,二维数组，我们称之为矩阵（matrix）;三维数组以及多位数组，我们称之为张量（tensor）。
在介绍张量分解前，我们先看看矩阵分解相关知识概念。 一、基本概念矩阵补全（Matrix Completion）目的是为了估计矩阵中缺失的部分（不可观察的部分），可以看做是用矩阵X近似矩阵M，然后用X中的元素作为矩阵M中不
转载
2024-01-23 17:02:49
358阅读
本文代码可在https://github.com/TimeIvyace/MNIST-TensorFlow.git中下载，文件夹为train_improved2，文件夹中一共三个py程序，同时运行mnist_train.py(用于训练)和mnist_eval.py(用于测试)即可。 注意：使用代码需要修改MNIST数据集存储位置以及神经网络存储位置。为了让神经网络训练结果可以复用，需要将训练的到的神
转载
2023-11-29 19:28:26
64阅读
feed_dict 方法它不止是一个方法，同时还是一个观念，让我们可以更加明确的了解到节点创立的时候，并不包含了让节点执行动作的过程，也因为 Tensorflow 这样的特性，我们可以让流程先创立好，最后等到要运算真正开始执行的时候，再放入数字即可，就好比先打造出一个游乐园，等着人进来玩游戏,详情如下简单代码：import tensorflow astf
m= tf.add(5, 3)
n = t
转载
2024-04-29 13:59:19
18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
接下来，我们就要正式进入第三章——稀疏数组和队列的学习中了，顾名思义，在这一章节我会为大家介绍两种数据结构，即稀疏数组和队列。当然，按照我们这套系列教程的安排，首先我会为大家讲解稀疏数组，稀疏数组讲解完毕才会给大家讲解队列。还记得之前我给大家介绍我们这套系列教程时，讲过的我们这套系列教程所采用的一个授课方式嘛？不记得的，我这里再赘述一遍吧！我们这套系列教程采用的是如下这样一个授课方式，即：先说一下
转载
2024-06-29 17:17:27
52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
笔顺安排的基本规则有：1先横后竖：十、于、丰、干、丁、 、 等。含上述字或部件的字，如木、芋、艳、刊、花、羊等，也是如此。2先撇后捺：人、八、入、木、 等。含上述字或部件的字，如大、分、树、艾等，也是如此。由于汉字中没有捺起笔的字，所以撇与捺不论是相交、相离、相接，书写时都是先撇后捺。3先上后下：二、丁、立、李、昌、亨等。部分独体字和上下结构上中下结构的字一般遵从此规则。4先左后右：一些独体字、左
转载
2023-08-26 10:27:18
205阅读
在linux下，虚拟机的选择方式有很多，比如vmware for linux，virtual box，还有qemu，在以前，使用qemu的人不多，主要是使用起来有些麻烦，但现在随着Openstack的兴起，qemu也得到了很大的发展，现在在Fedora下使用qemu＋kvm性能还是很好的，如果再加上spice，就更不错了。但今天还是主要讲讲qemu下使用的几种镜像格式吧！1. rawraw格式是最
转载
2024-02-25 07:42:10
224阅读
文章目录BasicsAbout shapesIndexingSingle-axis indexingMulti-axis indexingManipulating ShapesMore on dtypesReferences import tensorflow as tf
import numpy as npBasics张量是具有统一类型（dtype）的多维数组。它和 NumPy 中的 np.a
转载
2024-01-17 06:40:19
69阅读
