张量tensorly笔记（1）——张量基础

素颜马尾好姑娘i 2022-05-22 08:24 576阅读 0赞

![这里写图片描述][70]  
一个非常形象的图片表示了从标量到张量的演变过程

--------------------

*  使用python里面的numpy库和tensorly库来学习张量
 *  张量构建  
    ![这里写图片描述][70 1]

import numpy as np
    import tensorly as tl
    X = tl.tensor(np.arange(24).reshape(3, 4, 2))

reshape将np创建的数组变换维度，返回的是一个3\*4\*2的三维张量  
![这里写图片描述][70 2]

*  张量分片

print(X[:, :, 0]) print(X[:, :, 1])

![这里写图片描述][70 3]

*  张量矩阵化（Matricization）输出张量的三个矩阵模态

print(tl.unfold(X, mode=0))
    print(tl.unfold(X, mode=1))
    print(tl.unfold(X, mode=2))

![这里写图片描述][70 4]

*  同时使用fold函数可以将矩阵转变为对应模态的张量

unfolding = tl.unfold(X, 1)
    original_shape = X.shape
    tl.fold(unfolding, mode=1, shape=original_sha

--------------------

*  张量与矩阵或者向量的n-mode乘（mode\_dot函数）  
    ![这里写图片描述][70 5]
 *  张量乘矩阵

M = tl.tensor(np.arange(4*5).reshape(5, 4))
    print(M.shape)
    res = tl.tenalg.mode_dot(X, M, mode=1)

**转载自**  
[https://github.com/hustfc/tensorlynotebooks/blob/master/01\_tensor\_basics/tensor\_manipulation.ipynb][https_github.com_hustfc_tensorlynotebooks_blob_master_01_tensor_basics_tensor_manipulation.ipynb]

[70]: /images/20220522/8406ee3468d640b193c65e9ce03fc8c8.png
[70 1]: /images/20220522/9310ebdf5f844d3f8fae69aafe4fa81c.png
[70 2]: /images/20220522/e41b3555f20347ec9d521d69d5a53bd6.png
[70 3]: /images/20220522/617b57a7cc144b079739d89cd7456640.png
[70 4]: /images/20220522/c4c4ff31229849aab664ac62a58a74f0.png
[70 5]: /images/20220522/76f940539b904d9fbfdbbd26f16af37b.png
[https_github.com_hustfc_tensorlynotebooks_blob_master_01_tensor_basics_tensor_manipulation.ipynb]: https://github.com/hustfc/tensorlynotebooks/blob/master/01_tensor_basics/tensor_manipulation.ipynb