张量(tensor)的理解

1. 从标量到矢量:携带更丰富的信息

矢,是箭的意思,突出的特点是其指向性。

  • 袋子里有几个球? 3 个,magnitude(幅度,没有单位);
  • 从这到你家多远?3 km(denominate),3 称为 scalars,标量,或叫纯量;
  • 从这如何到达你的家里?步行 3km,显然是不够的,除了距离(distance)或者幅值(magnitude)外,还需要方向。具有了方向的距离,就是 vectors
    • 速度就是一个矢量,既有大小又有方向;
    • 自然动量 mv⃗  (momentum)也是一个矢量;

2. 张量的引入

λu⃗  :标量作用于矢量,只改变其大小,不改变其方向,如果作用才能既改变其大小又能改变其方向呢。我们不妨做如下的记号:

  • scalar:秩为 0 的 Tensor(仅有一个幅度值 - 3^0=1 components)
  • vector:秩为 1 的 Tensor(幅度值+一个方向 - 3^1=3 components)
    u=u1e1+u1e2+u1e3
    显然还可以做进一步的拓展:

  • Dyad:秩为 2 的 Tensor(幅度值+二个方向 - 3^2=9 components)

    • v=v11e1e1+v12e1e2+v13e1e3+v21e2e1+v21e2e1+v23e2e3+v31e3e1+v32e3e2+v33e3e3
  • Triad:秩为 3 的 Tensor(幅度值+三个方向)
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
要求一个张量的逆,我们通常是指求解其伪逆,因为大多数张量并不是方阵,没有定义的逆矩阵。为了求解一个张量的伪逆,我们可以使用tensorly库中的pinv函数。这个函数可以对任意维度的张量进行伪逆计算。以下是一个示例代码: import tensorly as tl import numpy as np # 创建一个示例张量 a = np.array([[1, 2, 3], [4, 5, 6]]) # 计算张量的伪逆 a_pinv = tl.tensor_pinv(a) # 输出结果 print("伪逆结果:") print(a_pinv) 这段代码中,我们首先导入了tensorly库以及numpy库。然后,我们创建了一个2维的示例张量a。接下来,我们使用tensorly库的tensor_pinv函数计算了张量a的伪逆,并将结果存储在a_pinv变量中。最后,我们输出了伪逆结果。请注意,输出结果的维度与原始张量的维度相同。 希望这个例子能帮助你理解如何计算张量的伪逆。如果你有任何进一步的问题,请随时提问。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [tensorly实现张量的展开及逆过程](https://blog.csdn.net/ljxopencv/article/details/90548827)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [libtorch Tensor张量的常用操作总结(1)](https://blog.csdn.net/shandianfengfan/article/details/118348082)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

五道口纳什

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值