Quaternion data structure based on MindSpore Framework
Project description
mindspore-quaternion--基于MindSpore深度学习框架的四元数数据结构
四元数在自动化等领域有非常广泛的应用,其必要性在于解决了使用欧拉角旋转的过程中有可能出现的欧拉角死锁问题。 关于更多的四元数的原理和计算方法,可以阅读本readme末尾的参考博客。
安装与更新
本软件支持pip一键安装与更新:
$ python3 -m pip install mindspore-quaternion --upgrade
也可以使用源码进行安装:
$ git clone https://gitee.com/dechin/mindspore-quaternion.git
$ cd mindspore-quaternion
$ python3 setup.py install
定义四元数
详细的代码可以参考该链接下的内容,这里我们只作为简单介绍。首先我们需要import一些必要的软件包:
from quaternion import Quaternion
import numpy as np
import mindspore as ms
from mindspore import Tensor
接下来我们可以看一下各个不同shape的四元数定义。首先是定义一个常数的四元数,其实也就是[s, 0, 0, 0]
这样的一个四元数:
element = Tensor([0.], ms.float32)
element_quaternion = Quaternion(element)
print ('The type of element is: {}'.format(type(element_quaternion)))
print ('The value of element is: {}'.format(element_quaternion.to_tensor()))
上述代码的执行结果为:
The type of element is: <class 'quaternion.Quaternion'>
The value of element is: [[0. 0. 0. 0.]]
还可以定义三维矢量所对应的四元数,是如同[0, vx, vy, vz]
这样的形式:
vector = Tensor(np.arange(3), ms.float32)
vector_quaternion = Quaternion(vector)
print('The type of vector is: {}'.format(type(vector_quaternion)))
print('The value of vector is: {}'.format(vector_quaternion.to_tensor()))
上述代码的执行结果为:
The type of vector is: <class 'quaternion.Quaternion'>
The value of vector is: [[0. 0. 1. 2.]]
当然,如果一开始我们就定义好了一个完整的四维的四元数[s, vx, vy, vz]
,那么也是可以用来直接构造一个四元数对象的:
quater = Tensor(np.arange(4), ms.float32)
quater_quaternion = Quaternion(quater)
print('The type of quater is: {}'.format(type(quater_quaternion)))
print('The value of quater is: {}'.format(quater_quaternion.to_tensor()))
上述代码的执行结果为:
The type of quater is: <class 'quaternion.Quaternion'>
The value of quater is: [[0. 1. 2. 3.]]
这里必须要提一个最重要的point,那就是当我们使用一个深度学习框架去实现四元数这样的数据结构的时候,我们当然更多的是考虑到GPU加速在多batch的四元数计算 下的性能优势。所以这里我们也可以去定义一个更高维度的,多batch的四元数:
batch_quater = Tensor(np.arange(16).reshape((4, 4)), ms.float32)
batch_quater_quaternion = Quaternion(batch_quater)
print('The type of batch_quater is: {}'.format(type(batch_quater_quaternion)))
print('The value of batch_quater is: {}'.format(batch_quater_quaternion.to_tensor()))
上述代码的执行结果为:
The type of batch_quater is: <class 'quaternion.Quaternion'>
The value of batch_quater is: [[ 0. 1. 2. 3.]
[ 4. 5. 6. 7.]
[ 8. 9. 10. 11.]
[12. 13. 14. 15.]]
四元数运算
在mindspore-quaternion中我们支持了一些四元数的基本运算,这里我们仅展示一些最常用的四元数基本运算:
from quaternion import Quaternion
import mindspore as ms
from mindspore import Tensor
q1 = Tensor([1, 2, 3, 4], ms.float32)
q1_quaternion = Quaternion(q1)
q2 = Tensor([3, 1, 0, 5], ms.float32)
q2_quaternion = Quaternion(q2)
print ('The sum of q1 and q2 is: {}'.format(q1_quaternion + q2_quaternion))
print ('The product of q1 and q2 is: {}'.format(q1_quaternion * q2_quaternion))
上述代码的运行结果如下:
The sum of q1 and q2 is: [[4. 3. 3. 9.]]
The product of q1 and q2 is: [[-19. 22. 3. 14.]]
除了普通的四元数运算之外,mindspore-quaternion还可用于计算四元数与向量的哈密顿积:
vector = Tensor([1, 2, 3], ms.float32)
hamiltonian = Tensor([0.5, 0.5, 0.5, 0.5], ms.float32)
hamiltonian_quaternion = Quaternion(hamiltonian)
print ('The Hamiltonian product of hamiltonian | vector > is: {}'.format(hamiltonian_quaternion | vector))
上述代码的运行结果如下:
The Hamiltonian product of hamiltonian | vector > is: [[3. 1. 2.]]
同时我们也可以使用逆变换:
vector_transform = hamiltonian_quaternion.conjugate() | (hamiltonian_quaternion | vector)
print('The Hamiltonian product of hamiltonian^(-1) | hamiltonian | vector > is: {}'.format(vector_transform))
得到的结果如下所示:
The Hamiltonian product of hamiltonian^(-1) | hamiltonian | vector > is: [[1. 2. 3.]]
可用发现,我们经过一重四元数的变换和一重对应的逆变换之后,又得到了跟原来一样的向量。
参考博客
Project details
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
Hashes for mindspore-quaternion-0.2.1.tar.gz
Algorithm | Hash digest | |
---|---|---|
SHA256 | c3928134c1476a138fbedcf9853d870a489d3d98157690072d85adb7a3f5d8f6 |
|
MD5 | 2508c61b982e7dc506facd1a8b58ed24 |
|
BLAKE2b-256 | e9dc5bca9f6ae2a1e0ca3968ada0164751a1b6ec72b0ca43e6e259b3eaaa0bc2 |
Hashes for mindspore_quaternion-0.2.1-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 3b93f043c659850515d19ef6539aea7bc683d95adec28492988ea2f0ee94bdc6 |
|
MD5 | f639bdc6a366e0869ff9728a724ada8f |
|
BLAKE2b-256 | 66859f55508c1ed5b19b5e23ac82ea165f2dd398eae8f08f26809a2189baec4e |