点击上方蓝字 江湖评谈设为关注/星标
前言
.NET9 PreView5增强了对于人工智能的支持，多维数据的高效编码、操作和计算来扩展 AI 能力。
Tensor<T>
张量是人工智能 （AI） 的基石数据结构。它们通常可以被认为是多维数组。
张量用于：
表示和编码数据，例如文本序列（标记）、图像、视频和音频。
高效处理高维数据。
在高维数据上高效应用计算。
在神经网络中，它们用于存储权重信息和中间计算。
类型：Tensor<T>
在可能的情况下，使用零副本提供与 ML.NET、TorchSharp 和 ONNX Runtime 等 AI 库的高效互操作。
建立在高效数学运算之上。
TensorPrimitives通过提供索引和切片操作，实现简单高效的数据操作。
以下示例演示了以下使用：Tensor<T>
using System.Numerics.Tensors;// Create a tensor (1 x 3)var t0 = Tensor.Create(new float[] { 1, 2, 3 }, [1,3]); // [[1, 2, 3]]// Reshape tensor (3 x 1)var t1 = t0.Reshape(3, 1); // [[1], [2], [3]]// Slice tensor (2 x 1)var t2 = t1.Slice(1..,..); // [[2], [3]]// Broadcast tensor (3 x 1) -> (3 x 3)// [// [ 1, 1, 1],// [ 2, 2, 2],// [ 3, 3, 3]// ]var t3 = Tensor.Broadcast(t1, [3, 3]);// Math operationsvar t4 = Tensor.Add(t0, 1); // [[2, 3, 4]]var t5 = Tensor.Add(t0, t0); // [[2, 4, 6]]var t6 = Tensor.Subtract(t0, 1); // [[0, 1, 2]]var t7 = Tensor.Subtract(t0, t0); // [[0, 0, 0]]var t8 = Tensor.Multiply(t0, 2); // [[2, 4, 6]]var t9 = Tensor.Multiply(t0, t0); // [[1, 4, 9]]var t10 = Tensor.Divide(t0, 2); // [[0.5, 1, 1.5]]var t11 = Tensor.Divide(t0, t0); // [[1, 1, 1]]
TensorPrimitives
该类提供用于对值范围执行数值运算的静态方法。公开的方法范围已显著扩展，从 40 个（使用 .NET 8 ）增加到近 200 个重载。表面积包含您习惯于从 和 等类型以及通用数学接口（如 ）中进行的数值运算，只不过它们不是处理单个值，而是处理一系列值。此外，通过SIMD优化的实施，许多操作都得到了加速。
例如，下面的 .NET 8 代码对两个值向量执行余弦相似性
using System.Numerics.Tensors;ReadOnlySpan<float> vector1 = [1, 2, 3];ReadOnlySpan<float> vector2 = [4, 5, 6];Console.WriteLine(TensorPrimitives.CosineSimilarity(vector1, vector2));// prints 0.9746318
现在(.NET9)存在以下重载，使相同的操作能够处理 、 、 或实现 .. 的任何其他类型的跨度。
public static T CosineSimilarity<T>(ReadOnlySpan<T> x, ReadOnlySpan<T> y) where T : IRootFunctions<T>以下示例与前面的示例相同，但对 的跨度进行操作，与前面的示例相比，精度有所增加。
using System.Numerics.Tensors;ReadOnlySpan<double> vector1 = [1, 2, 3];ReadOnlySpan<double> vector2 = [4, 5, 6];Console.WriteLine(TensorPrimitives.CosineSimilarity(vector1, vector2));// prints 0.9746318461970762
原文：https://github.com/dotnet/core/blob/main/release-notes/9.0/preview/preview5/libraries.md#enhanced-ai-capabilities-with-tensorprimitives-and-tensort
往期精彩回顾
