张量tensorly笔记（1）――张量基础

一个非常形象的图片表示了从标量到张量的演变过程

---

• 使用python里面的numpy库和tensorly库来学习张量

• 张量构建
  

import numpy as np import tensorly as tl X = tl.tensor(np.arange(24).reshape(3, 4, 2))

reshape将np创建的数组变换维度，返回的是一个3*4*2的三维张量

• 张量分片

print(X[:, :, 0]) print(X[:, :, 1])

• 张量矩阵化（Matricization）输出张量的三个矩阵模态

print(tl.unfold(X, mode=0)) print(tl.unfold(X, mode=1)) print(tl.unfold(X, mode=2))

• 同时使用fold函数可以将矩阵转变为对应模态的张量

unfolding = tl.unfold(X, 1) original_shape = X.shape tl.fold(unfolding, mode=1, shape=original_sha

---

• 张量与矩阵或者向量的n-mode乘（mode_dot函数）
  
• 张量乘矩阵

M = tl.tensor(np.arange(4*5).reshape(5, 4)) print(M.shape) res = tl.tenalg.mode_dot(X, M, mode=1)

转载自
https://github.com/hustfc/tensorlynotebooks/blob/master/01_tensor_basics/tensor_manipulation.ipynb**

文章来源: 张量tensorly笔记（1）――张量基础