TensorLy 快速上手

TensorLy 笔记系列

1. tensorly-01 安装教程
2. tensorly-02 快速上手
3. tensorly-03 后端系统
4. tensorly-04 基本操作
5. tensorly-05 张量分解
6. tensorly-06 张量回归

2. 快速上手

快速上手 TensorLy 的简介。

2.1 Tensor 操作

首先导入 TensorLy 库：

import tensorly as tl

TensorLy 使用 MXNet, Numpy和PyTorch作为后端，使用该技术可以使在用 TensorLy 的过程中运行在不同的框架下，默认的后端是 NumPy。

创建 Tensor, 例如使用 NumPy:

import numpy as np
# 创建随机 10 *10*10 tensor
tensor = np.random.random(10, 10, 10)

使用 tensor 相关操作：

import trnsorly as tl
# mode-1 展开
unfolded = tl.unfold(tensor, mode=0)
# 折叠展开的 tensor
t1.fold(unfold, mode=0, shape=tensor.shape)

2.2. Tensor 理论

更多关于 tensor 的相关函数位于 tensorly.tenalg 模块中。

2.3. Tensor 分解

分解算法位于 tensorly.decomposition 模块。

from tensorly.decomposition import tucker, parafac, non_negative_tucker
# decompositions are one-liners:
factors = parafac(tensor, rank=5)
core, factors = tucker(tensor, ranks=[5, 5, 5])
core, factors = non_negative_tucker(tensor, ranks=[5, 5, 5])

2.4. Tensor 回归

tensor 回归模块类似于 scikit-learn API，包含着优化参数的训练函数和预测未知数据的预测函数，该模块位于 tensorly.regression。

2.5. 矩阵

不论是训练tensor回归算法还是将深度学习和tensor相结合， 都需要使用矩阵数据，这部分的内容位于 tensorly.metrics 模块中。

2.6. 随机采样 tensor

使用 tensorly.random 模块创建随机 tensor。

参考文献

TensorLy