昇思25天学习打卡营第3天|张量Tensor

    今天是参加昇思25天学习打卡营的第三天，学习的内容是《张量Tensor》，这里做一个简单的分享。

    今天学习的目标是：认识张量Tensor这种数据结构，了解其基本用法

    (1) 张量Tensor的基本定义

      张量（Tensor）是一种类似数组、矩阵的数据结构，可以理解为支持嵌套的变长多维数组。其变换规则与矩阵不同，张量进行坐标变换时，每个分量都是独立按照某些规则做线性变换的。张量的分量数量称为张量的秩或者阶。一个张量的示例如图：

   （2）张量的创建

      张量的创建形式包括直接赋值、基于numpy数组赋值、使用init初始化器、继承另一个张量来创建四种形式。init主要用于并行模式下的延后初始化，在正常情况下不建议使用init对参数进行初始化。

   （3）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。

    （4）张量的索引方式

       Tensor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。

      (5) 张量运算

       张量支持加（+）、减（-）、乘（\*）、除（/）、取模（%）、整除（//）等运算。其运算方式为分量间进行独立计算。例如：

    张量可以通过concat 、stack分别实现给定维度、不同维度的连接。同时，张量和numpy数组之间可以通过t   Tensor.from_numpy(n)、Tensor::asnumpy()等方法来实现的相互转化。

（6）稀疏张量

    稀疏张量是对于张量中大量存在0元素的情况下的一种压缩存储的结构。MindSpore现在已经支持最常用的`CSR`和`COO`两种稀疏数据格式。

    CSR主要通过indptr、indices、values、shape四个元素来组织，COO是indices、values、shape来组织。

   以上是的张量的全部内容。 整体来说，张量的整体用起来更像是一个的可变的多维数组，其运算符的复杂程度要低于矩阵。附上今日打卡图：