我正在使用python实现Strassen的Matrix Multiplication。在除法步骤中,我们将较大的矩阵划分为较小的子矩阵。是否有内置的numpy函数来分割矩阵?
答案 0 :(得分:12)
不完全是,但是使用数组切片表示法,你应该可以很容易地自己做。
>>> A = np.linspace(0,24,25).reshape([5,5,])
>>> A
array([[ 0., 1., 2., 3., 4.],
[ 5., 6., 7., 8., 9.],
[ 10., 11., 12., 13., 14.],
[ 15., 16., 17., 18., 19.],
[ 20., 21., 22., 23., 24.]])
在A:
中将B设为左上角2x2>>> B = A[0:2,0:2]
请注意,B是一个视图,它与A
共享数据>>> B[1,1] = 60
>>> print A
[[ 0. 1. 2. 3. 4.]
[ 5. 60. 7. 8. 9.]
[ 10. 11. 12. 13. 14.]
[ 15. 16. 17. 18. 19.]
[ 20. 21. 22. 23. 24.]]
如果您需要从A复制数据,请使用复制方法:
>>> B = A[0:2,0:2].copy()
>>> B
array([[ 0., 1.],
[ 5., 60.]])
>>> B[1,1] = 600
>>> B
array([[ 0., 1.],
[ 5., 600.]])
>>> A
array([[ 0., 1., 2., 3., 4.],
[ 5., 60., 7., 8., 9.],
[ 10., 11., 12., 13., 14.],
[ 15., 16., 17., 18., 19.],
[ 20., 21., 22., 23., 24.]])
答案 1 :(得分:4)
我遇到了同样的问题,发现了一些内置的numpy函数将我的矩阵分成4个子矩阵(我的矩阵大小为2 ^ N * 2 ^ N)
这是我写的代码:
upper_half = np.hsplit(np.vsplit(my_matrix, 2)[0], 2)
lower_half = np.hsplit(np.vsplit(my_matrix, 2)[1], 2)
upper_left = upper_half[0]
upper_right = upper_half[1]
lower_left = lower_half[0]
lower_right = lower_half[1]
使用numpy重新组合它们的好处:
C=np.vstack([np.hstack([c11, c12]), np.hstack([c21, c22])])
vsplit hsplit hstack和vstack似乎是为了这个目的而制作的
答案 2 :(得分:2)
根据this answer,您可以使用swapaxes
:
您可以创建一个辅助方法,如下:
def split(array, nrows, ncols):
"""Split a matrix into sub-matrices."""
r, h = array.shape
return (array.reshape(h//nrows, nrows, -1, ncols)
.swapaxes(1, 2)
.reshape(-1, nrows, ncols))
以下是使用它的示例
import numpy as np
array = np.array([
[1, 1, 2, 2],
[3, 3, 4, 4],
[5, 5, 6, 6],
[7, 7, 8, 8]])
A, B, C, D = split(array, 2, 2)
# A =
# [[1 1]
# [3 3]]
# B =
# [[2 2]
# [4 4]]
# C =
# [[5 5]
# [7 7]]
# D =
# [[6 6]
# [8 8]]
print('A = \n{}\n\n'
'B = \n{}\n\n'
'C = \n{}\n\n'
'D =\n{}'.format(A, B, C, D))