《昇思25天学习打卡营第3天|张量 Tensor》

        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：valuesindptrindices

• 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：Nndims

• 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。