昇思25天学习打卡营第2天|张量 Tensor

1.张量是什么？

   张量是数学和物理学中的一种广义的“数组”概念，用于表示具有多维结构的数据。在机器学习和深度学习中，张量是数据的基本单位，可以视为向量和矩阵的泛化。

2.环境准备

导入所需的模块

3.创建张量

创建张量方式有多种

1.根据数据直接生成

2.从NumPy数组生成

3.使用init初始化器构造张量

4.继承另一个张量的属性，形成新的张量

4.张量的属性

1. 形状（shape）：Tensor的shape，是一个tuple。
2. 数据类型（dtype）：Tensor的dtype，是MindSpore的一个数据类型。
3. 单个元素大小（itemsize）： Tensor中每一个元素占用字节数，是一个整数。
4. 占用字节数量（nbytes）： Tensor占用的总字节数，是一个整数。
5. 维数（ndim）： Tensor的秩，也就是len(tensor.shape)，是一个整数。
6. 元素个数（size）： Tensor中所有元素的个数，是一个整数。
7. 每一维步长（strides）： Tensor每一维所需要的字节数，是一个tuple

5.张量索引

6.张量运算

普通算术运算有：加（+）、减（-）、乘（*）、除（/）、取模（%）、整除（//）。

concat将给定维度上的一系列张量连接起来。

satck则是从另一个维度上将两个张量合并起来。

7.Tensor与NumPy转换

1.Tensor转换为NumPy

张量创建相同，使用Tensor.asnumpy()将Tensor变量转换为NumPy变量

2.NumPy转换为Tensor

使用Tensor()将NumPy变量转换为Tensor变量。

8.稀疏张量

  稀疏张量：一种特殊的张量，绝大部分的元素值为零。

  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。

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values中，非零元素的位置存储在indptr（行）和indices（列）中。各参数含义如下：

• 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SCRTensor相对应的非零元素的值，与values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SCRTensor。

使用示例

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N，被压缩的张量的维数为ndims。各参数含义如下：

• indices: 二维整数张量，每行代表非零元素下标。形状：[N, ndims]， 索引数据类型支持int16、int32、int64。

• values: 一维张量，表示相对应的非零元素的值。形状：[N]。

• shape: 表示被压缩的稀疏张量的形状，目前仅支持二维COOTensor。

使用示例