torchhd

该模块由用于超向量的基本超向量生成函数和操作组成。

基础超向量集

empty(num_vectors, dimensions[, vsa])	创建一组表示空集的超向量。
identity(num_vectors, dimensions[, vsa])	创建一组身份超向量。
random(num_vectors, dimensions[, vsa])	创建一组随机的独立超向量。
level(num_vectors, dimensions[, vsa, ...])	创建一组级别相关的高维向量。
thermometer(num_vectors, dimensions[, vsa, ...])	为给定的维度创建温度计代码。
circular(num_vectors, dimensions[, vsa, ...])	创建一组循环相关的高维向量。

操作

bind(input, other)	绑定两个超向量，生成一个与两者都不相似的超向量。
bundle(input, other)	捆绑两个超向量，生成一个与两者最大相似的超向量。
permute(input, *[, shifts])	通过指定的位移次数对超向量进行置换。
inverse(input)	绑定操作的逆操作。
negative(input)	捆绑操作的逆操作。
normalize(input)	对输入的超向量进行归一化。
cleanup(input, memory[, threshold])	获取内存中最相似的超向量。
randsel(input, other, *[, p, generator])	通过选择随机元素来捆绑两个超向量。
multirandsel(input, *[, p, generator])	通过随机元素采样来捆绑多个超向量。
create_random_permute(dim)	创建随机排列函数。
resonator(input, estimates, domains)	谐振器网络的一个步骤，用于分解输入。
ridge_regression(samples, labels[, alpha])	使用岭回归计算权重（读出矩阵）。
soft_quantize(input)	将双曲正切函数应用于输入张量的所有元素。
hard_quantize(input)	对输入张量的所有元素应用二进制量化。

相似性

cosine_similarity(input, others, **kwargs)	输入向量与others中每个向量之间的余弦相似度。
dot_similarity(input, others, **kwargs)	输入向量与others中每个向量之间的点积。
hamming_similarity(input, others)	汉明相似度是输入向量与others中每个向量之间相等元素的数量。

编码

multiset(input)	输入超向量的多重集。
multibind(input)	多个超向量的绑定。
bundle_sequence(input)	基于捆绑的序列。
bind_sequence(input)	基于绑定的序列。
hash_table(keys, values)	从键值对超向量生成哈希表。
cross_product(input, other)	两组超向量之间的叉积。
ngrams(input[, n])	创建一个包含输入\(n\)-gram统计信息的超向量。
graph(input, *[, directed])	从节点超向量对生成图。

VSA 模型

VSATensor	基类
BSCTensor	二进制散射码
MAPTensor	乘加置换
HRRTensor	全息缩减表示
FHRRTensor	傅里叶全息缩减表示
BSBCTensor	二进制稀疏块编码 (B-SBC)
MCRTensor	模块化复合表示 (MCR)
VTBTensor	向量派生变换绑定

实用工具

ensure_vsa_tensor(data[, vsa, dtype, device])	将数据转换为VSA模型张量。
map_range(input, in_min, in_max, out_min, ...)	将输入的实数值范围映射到输出的实数值范围。
value_to_index(input, in_min, in_max, ...)	将输入的实值范围映射到索引范围。
index_to_value(input, index_length, out_min, ...)	将输入的索引范围映射到实际值范围。