本节是张量和稀疏张量的属性及用法主要介绍, 张量(Tensor)是MindSpore网络运算中的基本数据结构,一种特殊的数据结构,与数组和矩阵非常相似;一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在𝑛𝑛维空间内,有𝑛𝑟𝑛𝑟个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。𝑟𝑟称为该张量的秩或阶(与矩阵的秩和阶均无关系)。
本节从创建张量、张量的属性、张量索引、张量运算、Tensor与NumPy转换、稀疏张量六个模块来讲解。
创建张量。构造张量时,支持传入`Tensor`、`float`、`int`、`bool`、`tuple`、`list`和`numpy.ndarray`类型,张量的创建方式有多种:
1.根据数据直接生成。可以根据数据创建张量,数据类型可以设置或者通过框架自动推断。
2.从NumPy数组生成。可以从NumPy数组创建张量。
3.使用init初始化器构造张量。当使用初始化器对张量进行初始化时,支持传入的参数有。
4.继承另一个张量的属性,形成新的张量。
张量的属性。张量的属性包括形状、数据类型、转置张量、单个元素大小、占用字节数量、维数、元素个数和每一维步长:
- 形状(shape):`Tensor`的shape,是一个tuple。
- 数据类型(dtype):`Tensor`的dtype,是MindSpore的一个数据类型。
- 单个元素大小(itemsize): `Tensor`中每一个元素占用字节数,是一个整数。
- 占用字节数量(nbytes): `Tensor`占用的总字节数,是一个整数。
- 维数(ndim): `Tensor`的秩,也就是len(tensor.shape),是一个整数。
- 元素个数(size): `Tensor`中所有元素的个数,是一个整数。
- 每一维步长(strides): `Tensor`每一维所需要的字节数,是一个tuple。
张量索引。nsor索引与Numpy索引类似,索引从0开始编制,负索引表示按倒序编制,冒号和 用于对数据进行切片。
张量运算。张量之间有很多运算,包括算术、线性代数、矩阵处理(转置、标引、切片)、采样等,张量运算和NumPy的使用方式类似,下面介绍其中几种操作。普通算术运算有:
加(+)、减(-)、乘(*)、除(/)、取模(%)、整除(//)。
Tensor与NumPy转换。Tensor可以和NumPy进行互相转换。
Tensor转换为NumPy。与张量创建相同,使用 Tensor.asnumpy() 将 Tensor变量转换为 NumPy变量。
NumPy转换为Tensor。使用将NumPy变量转换为Tensor变量。
稀疏张量。稀疏张量是一种特殊张量,其中绝大部分元素的值为零。在某些应用场景中(比如推荐系统、分子动力学、图神经网络等),数据的特征是稀疏的,若使用普通张量表征这些数据会引入大量不必要的计算、存储和通讯开销。这时就可以使用稀疏张量来表征这些数据。
MindSpore现在已经支持最常用的和两种稀疏数据格式:CSR、
COO。
常用稀疏张量的表达形式是<indices:Tensor, values:Tensor, shape:Tensor>
。其中,indices
表示非零下标元素,values
表示非零元素的值,shape表示的是被压缩的稀疏张量的形状。在这个结构下,我们定义了三种稀疏张量结构:CSRTensor
、COOTensor
和RowTensor
。
CSRTensor:
CSR
(Compressed Sparse Row)稀疏张量格式有着高效的存储与计算的优势。其中,非零元素的值存储在中,非零元素的位置存储在(行)和(列)中。各参数含义如下:values
indptr
indices
-
indptr
: 一维整数张量, 表示稀疏数据每一行的非零元素在values
中的起始位置和终止位置, 索引数据类型支持int16、int32、int64。 -
indices
: 一维整数张量,表示稀疏张量非零元素在列中的位置, 与values
长度相等,索引数据类型支持int16、int32、int64。 -
values
: 一维张量,表示CSRTensor
相对应的非零元素的值,与indices
长度相等。 -
shape
: 表示被压缩的稀疏张量的形状,数据类型为Tuple
,目前仅支持二维CSRTensor。
COOTensor: -
COO
(Coordinate Format)稀疏张量格式用来表示某一张量在给定索引上非零元素的集合,若非零元素的个数为,被压缩的张量的维数为。各参数含义如下:N
ndims
-
indices
: 二维整数张量,每行代表非零元素下标。 索引数据类型支持int16、int32、int64。[N, ndims]
-
values
: 一维张量,表示相对应的非零元素的值。 -
shape
: 表示被压缩的稀疏张量的形状,目前仅支持二维COOTensor
。