经典张量入门文章

TT-Toolbox (TT=Tensor Train) 2.2 版TT(Tensor Train) 格式是一种有效的低参数方式高维张量的表示。 TT-工具箱是基本操作的 MATLAB 实现TT 格式的张量。 这包括： * tt_tensor 和 tt_matrix 类用于存储向量和运算符* 基本线性代数子程序（加法、矩阵乘向量积、 元素乘法和许多其他）使用标准 MATLAB 语法， 尺寸的线性复杂度，整形函数*快速的舍入程序，具有规定的精度* 高级逼近和求解技术： * 线性系统和特征值问题的近似解*交叉方法来近似“黑盒”张量* 小波张量训练分解* 基本运算符和函数的构建（拉普拉斯运算符，TT-张量的函数） *计算张量的最大和最小元素* 和其他几个 2.2 版的新功能*更好的文档* 混合 QTT-Tucker 格式（qtt_tucker 类） * TT-张量/TT-矩阵的重塑函数* d

Simmonds J.G. A Brief on Tensor Analysis (2ed., UTM, Springer, 1997)(ISBN 038794088X)(T)(123s)

在信号处理、数据分析和科学计算中，经常会遇到将张量分解为贡献之和的问题。 为了解决这些问题，搜索方向和步长都是数值算法中的两个关键要素，例如交替最小二乘算法（ALS）。 这是一种具有用于三阶张量分解的线搜索方法的ALS。 这里的新技术是用于计算复杂最优步长 (OSSc) 的直接方法的子程序。 这种直接方法 (OSS) 的启发式实现通常比最佳步长快。 两个外推搜索方向，几何和代数（“geo”和“alg”），比线性方向更有效。 享受！

支持张量机 尝试实现算法“支持张量机”

Matlab集成的c代码tensor_decoding_spectral_SCI_cameras 我们应用张量解码方案对SCI摄像机进行解码。 该存储库包含论文“利用低秩张量和非局部相似性解码高光谱SCI摄像机”的代码 快照压缩成像（SCI）相机将多个光谱帧压缩为单个测量帧。 对于SCI摄像机而言，准确而高效的解码方法非常重要。 然而，诸如GAP-TV和DeSCI之类的现有算法分别由于精度低和执行时间长而不能令人满意。 在本文中，我们提出了一种解决这两个问题的新算法低秩张量和非局部相似度（LTNS）。 我们提出的LTNS算法比DeSCI的平均PSNR提高了3.98dB，比GAP-TV平均提高了5.63dB。 此外，与DeSCI的8小时运行时间相比，我们的算法（LTNS）将运行时间减少到不到一分钟。 我们还将算法与GMM-TP和MMLE-GMM进行了比较。 此代码使用鸟类数据集和玩具数据集，它们是编码的Kong径快照光谱成像（CASSI）数据集。 我们在代码中进行比较的方法是经过多次迭代的LTNS和GAP-TV。 用法 要求是带有并行计算工具箱的MATLAB（R）（用于多CPU加速的pa

主要介绍了tensor和numpy的互相转换的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

TensorFlow + Opencv 实现简单的图像识别。 使用TensorFlow搭建简单的BP神经网络的模型，一层输入层，一层隐藏，一层输出，最终实现简单的图像识别。 机器学习

离线安装tensorflow1.7或tensorflow1.13时需要的依赖项。

TensorClus TensorClus（张量聚类）是第一个Python库，旨在对张量数据进行聚类和共聚。 它允许轻松地进行张量聚类，变形分解或张量学习和张量代数。 TensorClus允许与其他python软件包（例如NumPy，Tensorly，TensorFlow或TensorD）轻松交互，并在CPU或GPU上大规模运行方法。 它支持主要的操作系统，即Microsoft Windows，macOS和Ubuntu 。 源代码： : Jupyter笔记本： : 简要描述;简介 TensorClus库提供了多种功能： 几个数据集 张量与各种数据类型的共聚 张量分解和聚类 可视化 要求 numpy == 1.18 . 3 pandas == 1.0 . 3 scipy == 1.4 . 1 matplotlib == 3.0 . 3 scikit - learn == 0.