您的位置:首页 > 娱乐 > 八卦 > infiniTensor学习笔记(专业阶段2024)

infiniTensor学习笔记(专业阶段2024)

2024/12/23 4:12:36 来源:https://blog.csdn.net/2301_79140115/article/details/140752475  浏览:    关键词:infiniTensor学习笔记(专业阶段2024)

基本概念 

张量(Tensor):

1.基本定义

struct Tensor<T> {shape: Vec<usize>,data: Vec<T>,
}

张量的形状(Shape)

shape 是一个向量,表示张量每个维度的大小。例如:

  • 一维张量(向量)的 shape[n],其中 n 是向量的长度。
  • 二维张量(矩阵)的 shape[m, n],其中 m 是行数,n 是列数。
  • 三维张量的 shape[p, m, n],其中 p 是层数,m 是行数,n 是列数。

张量的维数(Rank)

张量的维数(或称为 rank)是指张量的 shape 向量的长度。例如:

  • 向量 [n] 是一维张量,其维数是 1。
  • 矩阵 [m, n] 是二维张量,其维数是 2。
  • 三维张量 [p, m, n] 的维数是 3。
data

data 是一个包含张量所有元素的扁平化向量。例如:

  • 对于形状为 [4] 的一维张量,data 可能是 [1, 2, 3, 4]
  • 对于形状为 [2, 3] 的二维张量,data 可能是 [1, 2, 3, 4, 5, 6],表示一个 2x3 的矩阵:
    1 2 3
    4 5 6
    
  • 对于形状为 [2, 2, 2] 的三维张量,data 可能是

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com