我有兩個(gè)向量,分別包含形狀(3,3)和形狀張量(3,3,3,3)。這些向量具有相同的長度,我正在計(jì)算這兩個(gè)向量的逐元素張量點(diǎn)。例如,想要對以下計(jì)算進(jìn)行矢量化以提高性能:a = np.arange(9.).reshape(3,3)b = np.arange(81.).reshape(3,3,3,3)c = np.tensordot(a,b)a_vec = np.asanyarray([a,a])b_vec = np.asanyarray([b,b]) c_vec = np.empty(a_vec.shape)for i in range(c_vec.shape[0]): c_vec[i, :, :] = np.tensordot(a_vec[i,:,:], b_vec[i,:,:,:,:])print(np.allclose(c_vec[0], c))# True我考慮過使用numpy.einsum但無法找出正確的下標(biāo)。我嘗試了很多不同的方法,但到目前為止都失敗了:# I am trying something like thisc_vec = np.einsum("ijk, ilmno -> ijo", a_vec, b_vec)print(np.allclose(c_vec[0], c))# False但這并不能重現(xiàn)我上面想要的迭代計(jì)算。如果使用 einsum 無法完成此操作,或者有更高效的方法可以完成此操作,我愿意接受任何類型的解決方案。
2 回答
慕婉清6462132
TA貢獻(xiàn)1804條經(jīng)驗(yàn) 獲得超2個(gè)贊
矢量化方式np.einsum是 -
c_vec?=?np.einsum('ijk,ijklm->ilm',a_vec,b_vec)
千萬里不及你
TA貢獻(xiàn)1784條經(jīng)驗(yàn) 獲得超9個(gè)贊
tensor_dot有一個(gè)axes你也可以使用的參數(shù):
c_vec = np.tensordot(a_vec, b_vec, axes=([1, 2], [1, 2]))
添加回答
舉報(bào)
0/150
提交
取消
