¿Qué es el tensor denso?
Una matriz multidimensional estándar que almacena todos los elementos en la memoria, lo que proporciona un acceso secuencial rápido pero consume una cantidad significativa de almacenamiento a gran escala.
Summary
- Almacena cada elemento explícitamente en bloques de memoria contiguos, lo que los hace eficientes para operaciones matriciales estándar, convoluciones y algoritmos optimizados para patrones de acceso secuencial.
- Ideal para datos densos como imágenes, señales de audio y capas de redes neuronales completamente conectadas, donde la mayoría de los valores son distintos de cero y el cálculo involucra todos los elementos.
- Representación tensorial predeterminada en marcos como TensorFlow, PyTorch y NumPy, aprovechando las optimizaciones de hardware para operaciones densas de álgebra lineal en CPU, GPU y TPU.
Los tensores densos almacenan valores en un bloque de memoria contiguo y secuencial donde todos los valores están representados. Los tensores o arreglos multidimensionales se utilizan en un conjunto diverso de aplicaciones de análisis de datos multidimensionales. Hay una serie de productos de software que pueden realizar cálculos de tensores, como el paquete MATLAB, que incluso fue mejorado por varias herramientas de código abierto de terceros. MATLAB por sí solo es capaz de admitir una variedad de operaciones de tensores densos binarios y elemento a elemento. Una capa densa es una capa completamente conectada, ya que todas y cada una de las neuronas reciben una entrada de todas las neuronas de la capa anterior, estando, por lo tanto, densamente conectada. Esto significa que cada neurona en una capa densa estará completamente conectada con cada neurona en la capa anterior. 
La capa densa se suele emplear hacia el final de una red, y a veces varias veces. Al intentar construir una infraestructura en capas para aplicaciones de tensores densos de alto rendimiento, una de las bibliotecas más utilizadas es dten, conocida por almacenar y manipular tensores densos. La biblioteca se centra en almacenar tensores densos en formatos de almacenamiento canónicos y en convertir entre formatos de almacenamiento en paralelo. Además, es compatible con la matricización de tensores de diferentes maneras. La biblioteca es de propósito general y proporciona un alto grado de flexibilidad. Podemos considerar un tensor como la generalización multidimensional de una matriz. Desde el punto de vista matemático, la matricización es simplemente una reestructuración conceptual (o lógica) del tensor.
