python/numpy：在np.allclose（）中使用自己的数据结构？哪里可以找到需求/它们是什么？

我正在实现一个矩阵积状态类，这是python/numpy中用于快速算法原型的某种特殊张量分解方案

我不认为已经有这样的事情发生了，我想自己去做，以获得对该计划的正确理解

我想要的是，如果我将给定的张量T以这种格式存储为T_-mps，我可以通过T_-mps[[i0，i1，…，iL]]访问重构的元素。这是通过getitem（self，key）方法实现的，并且工作良好

现在我想使用numpy.allclose（T，mps\T）来查看我的分解是否正确

但当我这样做时，我自己的类型会出现一个类型错误：

TypeError：这些类型不支持函数，并且无法安全地强制到支持的类型

我查看了allclose的文档，据说该函数适用于“类似数组”的对象。现在，这个“类似数组”的概念是什么？我在哪里可以找到它的规范

也许我更好，实施我自己的allclose方法？但这在某种程度上是对轮子的重新发明，不是吗

谢谢你的帮助 提前感谢

numpy文档中使用的术语“arraylike”表示“可以传递给numpy.asarray（）以使其返回适当的numpy.ndarray的任何内容”。大多数具有适当的

\u len\uuuuuuuuuu（）

和

\uuu getitem\uuuuuuuuuuu（）方法的序列都可以正常工作。请注意，
\uuu getitem\uuu（i）
必须能够接受
范围内的单个整数索引（len（self））
，而不仅仅是您似乎指出的索引列表。此
\uuu getitem\uuu（i）
的结果必须是numpy知道的原子值，如浮点或int，或者是如上所述的另一个序列。如果没有关于矩阵乘积状态实现的更多细节，我只能提供帮助。
getitem（I）

getitem（I）方法实际上不适合我的数据结构，因为张量的每个系数在内部存储为矩阵的乘积（因此得名）。我在这里发现了另一种方法：这里使用了array（）函数，但将整个张量重建为numpy数组会破坏该方案的整体目的。因此，我想我将把工作转移到测试用例，使用getitem（[…]）函数对一些条目进行采样。无论如何，这只是为了调试目的。