tntorch-使用PyTorch进行Tensor网络学习 ，这是一个由PyTorch支持的使用张量网络的建模和学习库。 这样的网络的独特之处在于（而不是非线性激活单元）。 功能包括： 张量的基本和奇特索引，广播，分配等 张量分解与重建 按元素和张量-张量算术 使用交叉逼近从黑盒函数构建张量 从张量中找到全局最大值和最小值 统计和敏感性分析 使用自动分化进行优化 杂项张量的运算：堆叠，展开，采样，求导等。 批处理操作（正在进行中） 可用的包括： 混合动力车：CP-Tucker，TT-Tucker等 其他分解，例如和自定义格式 例如，以下网络都以TT和TT-Tucker格式表示4D张量（即，可以采用I1 x I2 x I3 x I4可能值的实函数）： 在tntorch中，所有张量分解共享相同的接口。 您可以以透明的形式处理它们，就像它们是普通的NumPy数组或PyTorch张量

tensorflow GPU v1.12.2 for ubuntu 16.04 (sse2) 支持amd k8,默认支持sse2,支持python3.6,支持cuda 9.2 cudnn7.5 起因是默认的tensorflow包安装后提示没有sse4.1支持,所以自己编译此包。

机器学习常用函数梳理，学习tensor-flow的人必备工具。

去噪声代码matlab 张量 Matlab代码，用于基于凸优化的张量分解（补全/去噪）。 这是一个更新，更干净但文档较少的存储库。 也请看看我的老。

tensor_toolbox_2.6.zip

附录里的matlab代码张量死亡率预测 该目录提供了可在以下论文中重现结果的代码： Dong，Y.，Huang，F.，Yu，H.，＆Haberman，S.（2019年）。 使用张量分解预测多族群死亡率，工作论文。 软件依赖 地块/表格是在以下软件下生成的 MATLAB R2018b 作业系统：Windows 10 [重要笔记]： “张量工具箱”用于进行张量分解。 主页是。 “ DSP系统工具箱”用于计算RMSE / RMSFE。 可以在MATLAB中下载。 “ Econometrics Toolbox”用于拟合时间序列模型。 可以在MATLAB中下载。 “并行计算工具箱”用于执行parfor循环。 可以在MATLAB中下载。 Lee-Carter模型的MATLAB代码可从本文的附录（图9）中获得。 您也可以使用其他软件来拟合Lee-Carter模型，因为它是著名模型。 由于版权，我们不提供Lee-Carter模型的代码。 此处使用的数据是中心死亡率（Mx_1x1），应从“人类死亡率数据库”（）进行下载和处理。 为了方便起见，我们将数据安排为“ .mat”格式。 繁殖指南 我们以10个欧

供Pytorch的初学者们免费学习张量数据类型

供Pytorch的初学者们免费学习张量数据类型

供Pytorch的初学者们免费学习张量数据类型

看代码，tensor转numpy: a = torch.ones(2,2) b = a.numpy() c=np.array(a) #也可以转numpy数组 print(type(a)) print(type(b)) print(a) print(b) 输出为： tensor([[1., 1.], [1., 1.]]) [[1. 1.] [1. 1.]] numpy转tensor： import torch import numpy as np a = np.ones(5) b = torch.