`uniq` 用于 2D Theano 张量

Question

我有这个 Numpy 代码：

def uniq(seq):
  """
  Like Unix tool uniq. Removes repeated entries.
  :param seq: numpy.array. (time,) -> label
  :return: seq
  """
  diffs = np.ones_like(seq)
  diffs[1:] = seq[1:] - seq[:-1]
  idx = diffs.nonzero()
  return seq[idx]

现在，我想扩展它以支持 2D 数组并使其使用 Theano。它在 GPU 上应该很快。

我将得到一个包含多个序列的数组，作为多个批次，格式为 (time,batch)，以及一个 time_mask，它间接指定每个序列的长度。

我目前的尝试：

def uniq_with_lengths(seq, time_mask):
  # seq is (time,batch) -> label
  # time_mask is (time,batch) -> 0 or 1
  num_batches = seq.shape[1]
  diffs = T.ones_like(seq)
  diffs = T.set_subtensor(diffs[1:], seq[1:] - seq[:-1])
  time_range = T.arange(seq.shape[0]).dimshuffle([0] + ['x'] * (seq.ndim - 1))
  idx = T.switch(T.neq(diffs, 0) * time_mask, time_range, -1)
  seq_lens = T.sum(T.ge(idx, 0), axis=0)  # (batch,) -> len
  max_seq_len = T.max(seq_lens)

  # I don't know any better way without scan.
  def step(batch_idx, out_seq_b1):
    out_seq = seq[T.ge(idx[:, batch_idx], 0).nonzero(), batch_idx][0]
    return T.concatenate((out_seq, T.zeros((max_seq_len - out_seq.shape[0],), dtype=seq.dtype)))

 out_seqs, _ = theano.scan(
    step,
    sequences=[T.arange(num_batches)],
    outputs_info=[T.zeros((max_seq_len,), dtype=seq.dtype)]
  )
  # out_seqs is (batch,max_seq_len)
  return out_seqs.T, seq_lens

如何直接构造out_seqs？

我会做类似out_seqs = seq[idx] 的事情，但我不确定如何表达。

Answer 1

这里有一个只解决部分任务的快速答案：

def compile_theano_uniq(x):
    diffs = x[1:] - x[:-1]
    diffs = tt.concatenate([tt.ones_like([x[0]], dtype=diffs.dtype), diffs])
    y = diffs.nonzero_values()
    return theano.function(inputs=[x], outputs=y)

theano_uniq = compile_theano_uniq(tt.vector(dtype='int32'))

密钥是nonzero_values()。

更新：如果不使用theano.scan，我无法想象有任何方法可以做到这一点。为了清楚起见，并使用 0 作为填充，我假设给定输入

1 1 2 3 3 4 0
1 2 2 2 3 3 4
1 2 3 4 5 0 0

你希望输出是

1 2 3 4 0 0 0
1 2 3 4 0 0 0
1 2 3 4 5 0 0

甚至

1 2 3 4 0
1 2 3 4 0
1 2 3 4 5

您可以在不使用扫描的情况下识别要保留的项目的索引。然后要么需要从头开始构建一个新的张量，要么需要保留一些如何移动以使序列连续的值。如果没有theano.scan，这两种方法似乎都不可行。