- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python进阶之路
tensorly | ImportError: cannot import name ‘check_random_state‘ from ‘tensorly.random‘ 解决方法
CSDN 叶庭云：https://yetingyun.blog.csdn.net/ ---- TensorLY 官方文档：http://tensorly.org/stable/index.html pip 安装 tensorly pip install -U tensorly 在复现基于特征重构的张量 ARIMA，调用 tensorly 时遇到报错如下： 分析认为：报错原因在于版本问题，有看到网上解决方案如下 如下所示： 因为已经快 3 年前的项目，我选择将 tensorly 版本降低为 tensorly==0.5.1 ERROR: Could not find a version that satisfies ==0.5.2 pip uninstall tensorly pip install tensorly==0.5.1 这样就可以解决报错啦，代码能够成功运行得到结果： ---- CSDN | ImportError : cannot import name ‘check_random_state‘ from ‘tensorly.random‘ tensorly.random.check_random_state
68610编辑于 2022-10-25 算法之张量PCA：高维数据的解构艺术与升维智慧
物理量多维分析 典型案例： Netflix视频流的多维度质量分析 城市交通流量时空模式预测 基因-环境-时间交互作用研究 工业4.0设备的多传感器监测 五、学习路线 新手必练： 使用Tensorly 库体验张量分解 import tensorly as tl from tensorly.decomposition import tucker core, factors = tucker(tensor
18910编辑于 2025-10-14- 来自专栏AI研习社
如何用张量分解加速深层神经网络？（附代码）
我也将分享 PyTorch 代码，它使用 Tensorly（http://t.cn/REo7W8V ） 来进行在卷积层上的 CP 分解和 Tucker 分解。 Tensorly 的作者也写了于 Tensor 的基础内容非常棒的 notebook（http://t.cn/REo7EyZ ）。这帮助我很好的开始学习这块内容，建议你阅读一下这些内容。 用 PyTorch 和 Tensorly 卷积层 CP 分解 ? 用 PyTorch 和 Tensorly 卷积层 Tucker 分解 ? 总结 在这篇文章中，我们讨论了几个张量分解的方法来加速深度神经网络。 截断的 SVD 可用于加速完全连接的层。
5.1K40发布于 2018-03-16 - 来自专栏NLP算法工程师之路
ReadDocs
例如我最近看到tensorly等库都有包括Github主页，Jupyter Notebook,以及Read the Docs代码API说明。
1.4K20发布于 2019-12-18 - 来自专栏人工智能之数学基础
人工智能之数学基础 线性代数：第五章 张量
1U^{(1)}\times_2U^{(2)}\times_3U^{(3)}X=G×1U(1)×2U(2)×3U(3)数据压缩、特征提取TensorTrain(TT)链式低秩表示高维函数逼近可使用tensorly
37410编辑于 2025-12-17 - 来自专栏AI SPPECH
40_大模型优化与压缩技术：2025年的实践与突破
TensorLy：张量分解库，支持多种低秩分解方法。 PyTorch-Transformers-Compression：针对Transformer模型的低秩分解工具。
1.3K10编辑于 2025-11-13 - 来自专栏arXiv每日学术速递
计算机视觉学术速递[7.9]
为了进一步使新手能够快速掌握这些概念，我们提供了Python笔记本，涵盖了本文的关键方面，并用TensorLy一步一步地实现它们。 companion Python notebooks, covering key aspects of the paper and implementing them, step-by-step with TensorLy
2.5K20发布于 2021-07-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号