文件名称：tensorly-notebooks:使用TensorLy的Python中的Tensor方法
文件大小：1.43MB
文件格式：ZIP
更新时间：2024-06-14 07:18:29
deep-learning tensor-algebra tensorly tensor-methods JupyterNotebook
使用TensorLy的Python中的Tensor方法 该存储库包含一系列有关张量学习的教程和示例，以及使用在Python中的实现以及如何使用 ， 和框架作为后端将张量方法与深度学习结合在一起。 安装 您将需要安装TensorLy的最新版本才能按照说明中的运行这些示例。 最简单的方法是克隆存储库： git clone https://github.com/tensorly/tensorly cd tensorly pip install -e . 然后只需克隆此存储库： git clone https://github.com/JeanKossaifi/tensorly_notebooks 您准备好出发了！ 目录 1-张量基础 2-张量分解 塔克分解 3-张量回归 低秩张量回归 4-Tensor方法和MXNet后端的深度学习 通过梯度下降的塔克分解 张量回归网络 5-使用PyT
【文件预览】：
tensorly-notebooks-master
----README.rst(4KB)
----images()
--------TRL.png(161KB)
--------cat.thumb(21KB)
--------tucker.png(55KB)
--------fibers.png(213KB)
--------FC.png(121KB)
--------tensor_contraction.png(27KB)
--------tucker.pdf(12KB)
--------triplets.png(15KB)
--------tensor_cartoon.jpg(204KB)
----05_pytorch_backend()
--------tucker_decomposition_tensorly_and_pytorch.ipynb(4KB)
--------tensor_regression_layer_pytorch.ipynb(397KB)
--------cnn_acceleration_tensorly_and_pytorch.ipynb(21KB)
----02_tensor_decomposition()
--------tucker_decomposition.ipynb(3KB)
--------cp_decomposition.ipynb(4KB)
----07_pydata_sparse_backend()
--------sparse_tucker.ipynb(76KB)
--------sparse_nonnegative.ipynb(12KB)
--------sparse_parafac.ipynb(10KB)
--------sparse_symmetric_parafac.ipynb(8KB)
--------sparse_missing_values.ipynb(19KB)
----resources()
--------imagenet_classes.json(31KB)
----.gitignore(999B)
----04_mxnet_backend()
--------tensor_regression_layer_MXNet.ipynb(408KB)
--------tucker_decomposition_with_mxnet_and_tensorly.ipynb(7KB)
----06_tensorflow_backend()
--------tensorflow_tucker.ipynb(4KB)
----01_tensor_basics()
--------tensor_manipulation.ipynb(19KB)
----03_tensor_regression()
--------Low_rank_tensor_regression.ipynb(36KB)