今天上的是第三课——张量Tensor。本章涉及到大量线性代数,需要依靠矩阵的操作来达到最佳预测效果。
首先需要创建张量,一共有三种方式。一是根据数据直接生成,二是由Numpy数组生成,三是使用init初始化器构造张量,四世纪城另一个张量的属性,形成新的张量。
接下来是了解张量的属性,包括形状,数据类型,单个元素大小,占用字节数量,维数,元素个数,每一维不长等。
Tensor索引与Numpy索引类似,均从0开始编制,负索引表示按倒序编制。
张量运算包括算术,线性代数,矩阵处理,采样等等。
Numpy可以转化Tensor
最后是CSRTensor,其稀疏张量格式有着高效的储存和运算优势,下面是一些使用实例。