标签: tensorly

我想应用部分塔克分解算法来最小化 (60000,28,28) 的 MNIST 图像张量数据集，以便在之后应用另一种机器算法（如 SVM）时保留其特征。我有这段代码可以最小化张量的第二维和第三维

i = 16
j = 10
core, factors = partial_tucker(train_data_mnist, modes=[1,2],tol=10e-5, rank=[i,j])
train_datapartial_tucker = tl.tenalg.multi_mode_dot(train_data_mnist, factors, 
                              modes=modes, transpose=True)
test_data_partial_tucker = tl.tenalg.multi_mode_dot(test_data_mnist, factors, 
                              modes=modes, transpose=True)

[i,j]当我使用张量时，如何找到最佳排名partial_tucker，从而在保留尽可能多的数据的同时为图像提供最佳的降维效果？