numpy中的张量扩展答案

【问题标题】：Tensor expansion in numpynumpy中的张量扩展
【发布时间】：2018-06-25 10:27:51
【问题描述】：

我正在尝试找到一种优雅的方法来解决以下问题。

我有一个张量y 包含n dxd 矩阵，我通过选择矩阵X 的行组合获得它。我有第二个 numpy 数组，大小为k x d。我的意图是扩展张量，以便将k x d 矩阵的每一行添加到 y 张量中的每个元素，以获得带有k x nd x (d+1) 矩阵的y' 张量。

如果没有 for 循环，我看不到怎么做。我的简单代码示例如下：

#Array x
X = np.arange(27).reshape(9,3)
# Create tensor y
combs = [(0,1,2),(0,1,3),(0,1,4),(0,1,5)]
y = X[combs,:]
# Add a dummy column of 1.0s to each element of the y tensor
b = np.array([1.0,1.0,1.0]).reshape(1,3)
b = b.repeat(y.shape[0],axis=0).reshape(y.shape[0],y.shape[1],1)
# Concatenate the column with the tensor
y_new = np.concatenate((y,b),axis=2)`

这个解决方案远非理想，因为我必须保留原始数组的副本，遍历所有行，获取 k 张量，然后在最后合并它们。在我试图解决的一般问题中，张量 y 很大，并且多个进程并行执行，因此这种张量扩展在理想情况下应该尽可能高效。任何建议表示赞赏！

【问题讨论】：

标签： numpy tensor expansion

【解决方案1】：

您的repeat 和concatenate 代码可以简化，并且可能加快：

In [50]: z = np.zeros((y.shape[:-1]+(y.shape[-1]+1,)))
In [51]: z.shape
Out[51]: (4, 3, 4)
In [52]: z[:,:,:-1]=y
In [53]: z[:,:,-1]=np.array([.1,.2,.3])

即创建目标数组，并填充来自y 和b 的值。使用广播b 不需要重塑和重复。

听起来好像您将这个y_new 嵌入到某种循环中，但我没有遵循这些细节。

【讨论】：

【解决方案2】：

我相信以下代码可以满足您的要求，无需循环。这个想法是将张量扩展到所需的维度，然后在一行中执行与 numpy 的连接：

X = np.arange(27).reshape(9,3)
# Create tensor y
combs = [(0,1,2),(0,1,3),(0,1,4),(0,1,5)]
y = X[combs,:]
# Create tensor b, (the k x d matrix in your question)
b = np.arange(100,121).reshape(7,3,1)
# expand the tensors 
b = np.stack([b]*4,axis=1)
y = np.stack([y]*7)
# concatenate
y_new = np.concatenate([y,b],axis=3)

【讨论】：