tensorly 0.4.4

安装张力

唯一的先决条件是安装python 3。最简单的方法是通过Anaconda distribution。

注意：tensorly默认依赖于numpy。如果您想使用mxnet或pytorch后端，则需要分别安装这些软件包。

有关详细说明，请参见documentation。

运行测试

测试和文档是这个包的重要组成部分，所有功能都附带uni测试和文档。

使用pytest包运行测试（尽管您也可以使用nose）。 首先安装pytest

pip install pytest

然后要运行测试，只需在终端中运行：

pytest -v tensorly

或者，您可以指定要运行测试的后端：

TENSORLY_BACKEND='numpy' pytest -v tensorly

快速启动

创建一个3 x 4 x 2大小的小三阶张量并对其执行简单操作：

importtensorlyastlimportnumpyasnptensor=tl.tensor(np.arange(24).reshape((3,4,2)),dtype=tl.float64)unfolded=tl.unfold(tensor,mode=0)tl.fold(unfolded,mode=0,shape=tensor.shape)

应用张量分解很容易：

fromtensorly.decompositionimporttucker# Apply Tucker decompositioncore,factors=tucker(tensor,rank=[2,2,2])# Reconstruct the full tensor from the decomposed formtl.tucker_to_tensor(core,factors)

您可以更改后端以使用不同的框架执行计算。注意，使用mxnet、pytorch、tensorflow或cupy需要先安装它们。例如，将后端设置为pytorch后，所有计算都由pytorch完成，并且可以在gpu上创建张量：

tl.set_backend('pytorch')# Or 'mxnet', 'numpy', 'tensorflow' or 'cupy'tensor=tl.tensor(np.arange(24).reshape((3,4,2)),device='cuda:0')type(tensor)# torch.Tensor

有关入门的更多信息，请查看user-guide，有关函数及其文档的详细参考，请参阅 API

如果你看到一个bug，打开一个issue，或者更好的，一个pull-request！

引用

如果在学术论文中使用tensorly，请引用[1]：

@article{tensorly,
  author  = {Jean Kossaifi and Yannis Panagakis and Anima Anandkumar and Maja Pantic},
  title   = {TensorLy: Tensor Learning in Python},
  journal = {Journal of Machine Learning Research},
  year    = {2019},
  volume  = {20},
  number  = {26},
  pages   = {1-6},
  url     = {http://jmlr.org/papers/v20/18-277.html}
}