级别

torchhd.level(num_vectors: int, dimensions: int, vsa: Literal['BSC', 'MAP', 'HRR', 'FHRR', 'BSBC', 'VTB', 'MCR'] = 'MAP', *, randomness: float = 0.0, requires_grad=False, **kwargs) → VSATensor[来源]

创建一组级别相关的高维向量。

实现级别超向量作为随机超向量之间的插值，如An Extension to Basis-Hypervectors for Learning from Circular Data in Hyperdimensional Computing中所述。生成的集合中的第一个和最后一个超向量是准正交的。

Parameters:

num_vectors (int) – 要生成的超向量的数量。
维度 (int) – 超向量的维度。
vsa – (VSAOptions, 可选): 指定要实例化的超向量类型。默认值: "MAP".
随机性 (浮点数, 可选) – 用于在0.0级别和1.0随机超向量之间插值的r值。默认值：0.0。
generator (torch.Generator, 可选) – 用于采样的伪随机数生成器。
dtype (torch.dtype, 可选) – 返回张量的期望数据类型。默认值：如果 None 则取决于 VSATensor。
device (torch.device, 可选) – 返回张量的期望设备。默认值：如果 None，则使用当前设备作为默认张量类型（参见 torch.set_default_tensor_type()）。device 对于 CPU 张量类型将是 CPU，对于 CUDA 张量类型将是当前的 CUDA 设备。
requires_grad (bool, 可选) – 如果自动求导应该记录返回张量上的操作。默认值：False。

示例：

>>> torchhd.level(5, 6, "BSC")
tensor([[ True,  True,  True,  True, False, False],
        [ True,  True,  True,  True, False, False],
        [False,  True,  True,  True,  True, False],
        [False,  True,  True,  True,  True, False],
        [False,  True,  True,  True,  True, False]])

>>> torchhd.level(5, 6, "MAP")
tensor([[ 1.,  1., -1.,  1., -1.,  1.],
        [ 1.,  1.,  1.,  1., -1.,  1.],
        [ 1.,  1.,  1.,  1., -1.,  1.],
        [ 1.,  1.,  1.,  1.,  1.,  1.],
        [ 1., -1.,  1.,  1.,  1., -1.]])

>>> torchhd.level(5, 6, "FHRR")
tensor([[-0.996+0.079j,  0.447+0.894j, -0.840-0.541j, -0.999+0.020j, -0.742+0.669j, -0.999+0.042j],
        [-0.886-0.462j,  0.447+0.894j, -0.840-0.541j, -0.999+0.020j, -0.742+0.669j, -0.886+0.462j],
        [-0.886-0.462j,  0.447+0.894j, -0.146-0.989j, -0.999+0.020j, -0.350-0.936j, -0.886+0.462j],
        [-0.886-0.462j,  0.507+0.861j, -0.146-0.989j, -0.999+0.020j, -0.350-0.936j, -0.886+0.462j],
        [-0.886-0.462j,  0.507+0.861j, -0.146-0.989j, -0.611-0.791j, -0.350-0.936j, -0.886+0.462j]])