Bootstrap

昇思模型第三天打卡|Tensor张量

张量 Tensor

张量(Tensor)是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)。

张量是一种特殊的数据结构,与数组和矩阵非常相似。张量(Tensor)是MindSpore网络运算中的基本数据结构,本教程主要介绍张量和稀疏张量的属性及用法

%%capture captured_output
# 实验环境已经预装了mindspore==2.2.14,如需更换mindspore版本,可更改下面mindspore的版本号
!pip uninstall mindspore -y
!pip install -i https://pypi.mirrors.ustc.edu.cn/simple mindspore==2.2.14

创建张量

张量的创建方式有多种,构造张量时,支持传入、、、、、和类型。Tensorfloatintbooltuplelistnumpy.ndarray

  • 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。

  • 从NumPy数组生成

    可以从NumPy数组创建张量。

  • 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、、。initinitshapedtype

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。

  • 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):的shape,是一个tuple。Tensor

  • 数据类型(dtype):的dtype,是MindSpore的一个数据类型。Tensor

  • 单个元素大小(itemsize): 中每一个元素占用字节数,是一个整数。Tensor

  • 占用字节数量(nbytes): 占用的总字节数,是一个整数。Tensor

  • 维数(ndim): 的秩,也就是len(tensor.shape),是一个整数。Tensor

  • 元素个数(size): 中所有元素的个数,是一个整数。Tensor

  • 每一维步长(strides): 每一维所需要的字节数,是一个tuple。Tensor

张量索引

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。:.

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(//)。

 

concat将给定维度上的一系列张量连接起来。

stack则是从另一个维度上将两个张量合并起来。 

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。Tensor()

 

 

 

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。CSRCOO

常用稀疏张量的表达形式是。其中,表示非零下标元素, 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:、和。<indices:Tensor, values:Tensor, shape:Tensor>indicesvaluesCSRTensorCOOTensorRowTensor

CSR器

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中的起始位置和终止位置, 索引数据类型支持int16、int32、int64。values

  • indices: 一维整数张量,表示稀疏张量非零元素在列中的位置, 与长度相等,索引数据类型支持int16、int32、int64。values

  • values: 一维张量,表示相对应的非零元素的值,与长度相等。CSRTensorindices

  • shape: 表示被压缩的稀疏张量的形状,数据类型为,目前仅支持二维。TupleCSRTensor

CSRTensor的详细文档,请参考mindspore.CSRensor

下面给出一些CSRTensor的使用示例:

库特森特

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。形状:, 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。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

COOTensor的详细文档,请参考mindspore.COOTensor

下面给出一些COOTensor的使用示例:

心得:通过本章的学习我们初步了解了mindspore中的张量(tensor),并开始逐步学习,了解了一些典型的示例。


 

 

 

 

 

 

;