假设我有一个 AxBxC 矩阵X
和一个 BxD 矩阵Y
。
是否有非循环方法可以将 C AxB 矩阵中的每一个与Y
相乘?
答案 0 :(得分:16)
作为个人偏好,我喜欢我的代码尽可能简洁易读。
这就是我要做的,虽然它不符合你的'无循环'要求:
for m = 1:C
Z(:,:,m) = X(:,:,m)*Y;
end
这导致 A x D x C 矩阵 Z 。
当然,您可以使用Z = zeros(A,D,C);
预先分配Z以加快速度。
答案 1 :(得分:15)
您可以使用函数NUM2CELL在一行中执行此操作,将矩阵X
分解为单元格数组,并CELLFUN在单元格中运行:
Z = cellfun(@(x) x*Y,num2cell(X,[1 2]),'UniformOutput',false);
结果Z
是 1-by-C 单元格数组,其中每个单元格包含 A-by-D 矩阵。如果您希望Z
成为 A-by-D-by-C 矩阵,则可以使用CAT函数:
Z = cat(3,Z{:});
注意:我的旧解决方案使用MAT2CELL代替NUM2CELL,而不是简洁:
[A,B,C] = size(X);
Z = cellfun(@(x) x*Y,mat2cell(X,A,B,ones(1,C)),'UniformOutput',false);
答案 2 :(得分:8)
这是一个单行解决方案(如果你想分成第三维,则为两个):
A = 2;
B = 3;
C = 4;
D = 5;
X = rand(A,B,C);
Y = rand(B,D);
%# calculate result in one big matrix
Z = reshape(reshape(permute(X, [2 1 3]), [A B*C]), [B A*C])' * Y;
%'# split into third dimension
Z = permute(reshape(Z',[D A C]),[2 1 3]);
因此现在:Z(:,:,i)
包含X(:,:,i) * Y
<强>解释强>
以上看起来可能令人困惑,但这个想法很简单。
首先,我从X
的第三维开始,沿着第一个暗点进行垂直连接:
XX = cat(1, X(:,:,1), X(:,:,2), ..., X(:,:,C))
...难点在于C
是变量,因此您无法使用 cat 或 vertcat 来概括该表达式。接下来,我们将其乘以Y
:
ZZ = XX * Y;
最后,我将其拆分为第三维:
Z(:,:,1) = ZZ(1:2, :);
Z(:,:,2) = ZZ(3:4, :);
Z(:,:,3) = ZZ(5:6, :);
Z(:,:,4) = ZZ(7:8, :);
所以你可以看到它只需要一个矩阵乘法,但你必须重塑矩阵之前和之后。
答案 3 :(得分:5)
我正在接近完全相同的问题,着眼于最有效的方法。我看到大约有三种方法,没有使用外部库(即mtimesx):
我最近比较了所有三种方法,看看哪种方法最快。我的直觉是(2)将成为胜利者。这是代码:
% generate data
A = 20;
B = 30;
C = 40;
D = 50;
X = rand(A,B,C);
Y = rand(B,D);
% ------ Approach 1: Loop (via @Zaid)
tic
Z1 = zeros(A,D,C);
for m = 1:C
Z1(:,:,m) = X(:,:,m)*Y;
end
toc
% ------ Approach 2: Reshape+Permute (via @Amro)
tic
Z2 = reshape(reshape(permute(X, [2 1 3]), [A B*C]), [B A*C])' * Y;
Z2 = permute(reshape(Z2',[D A C]),[2 1 3]);
toc
% ------ Approach 3: cellfun (via @gnovice)
tic
Z3 = cellfun(@(x) x*Y,num2cell(X,[1 2]),'UniformOutput',false);
Z3 = cat(3,Z3{:});
toc
这三种方法都产生了相同的输出(p!),但令人惊讶的是,循环速度最快:
Elapsed time is 0.000418 seconds.
Elapsed time is 0.000887 seconds.
Elapsed time is 0.001841 seconds.
请注意,从一个试验到另一个试验,时间可能会有很大变化,有时(2)出现的时间最慢。数据量越大,这些差异就越大。但是很多更大的数据,(3)节拍(2)。循环方法仍然是最好的。
% pretty big data...
A = 200;
B = 300;
C = 400;
D = 500;
Elapsed time is 0.373831 seconds.
Elapsed time is 0.638041 seconds.
Elapsed time is 0.724581 seconds.
% even bigger....
A = 200;
B = 200;
C = 400;
D = 5000;
Elapsed time is 4.314076 seconds.
Elapsed time is 11.553289 seconds.
Elapsed time is 5.233725 seconds.
但是如果循环维度比其他维度大得多,则循环方法可以慢于(2)。
A = 2;
B = 3;
C = 400000;
D = 5;
Elapsed time is 0.780933 seconds.
Elapsed time is 0.073189 seconds.
Elapsed time is 2.590697 seconds.
所以(2)在这个(可能是极端的)情况下以一个重要因素获胜。可能没有一种方法在所有情况下都是最佳的,但循环仍然相当不错,在许多情况下最好。在可读性方面也是最好的。绕开!
答案 4 :(得分:1)
不。有几种方法,但它总是以循环形式出现,直接或间接。
为了取悦我的好奇心,你为什么还要这样呢?
答案 5 :(得分:1)
要回答问题和以提高可读性,请参阅:
nT = 100;
t = 2*pi*linspace (0,1,nT)’;
# 2 experiments measuring 3 signals at nT timestamps
signals = zeros(nT,3,2);
signals(:,:,1) = [sin(2*t) cos(2*t) sin(4*t).^2];
signals(:,:,2) = [sin(2*t+pi/4) cos(2*t+pi/4) sin(4*t+pi/6).^2];
sT(:,:,1) = signals(:,:,1)’;
sT(:,:,2) = signals(:,:,2)’;
G = ndmult (signals,sT,[1 2]);
原始来源。我添加了内联评论。
function M = ndmult (A,B,dim)
dA = dim(1);
dB = dim(2);
# reshape A into 2d
sA = size (A);
nA = length (sA);
perA = [1:(dA-1) (dA+1):(nA-1) nA dA](1:nA);
Ap = permute (A, perA);
Ap = reshape (Ap, prod (sA(perA(1:end-1))), sA(perA(end)));
# reshape B into 2d
sB = size (B);
nB = length (sB);
perB = [dB 1:(dB-1) (dB+1):(nB-1) nB](1:nB);
Bp = permute (B, perB);
Bp = reshape (Bp, sB(perB(1)), prod (sB(perB(2:end))));
# multiply
M = Ap * Bp;
# reshape back to original format
s = [sA(perA(1:end-1)) sB(perB(2:end))];
M = squeeze (reshape (M, s));
endfunction
答案 6 :(得分:1)
我强烈建议您使用matlab的MMX toolbox。它可以尽可能快地乘以n维矩阵。
MMX 的优点是:
对于此问题,您只需编写此命令:
C=mmx('mul',X,Y);
这是所有可能方法的基准。有关详细信息,请参阅此question。
1.6571 # FOR-loop
4.3110 # ARRAYFUN
3.3731 # NUM2CELL/FOR-loop/CELL2MAT
2.9820 # NUM2CELL/CELLFUN/CELL2MAT
0.0244 # Loop Unrolling
0.0221 # MMX toolbox <===================
答案 7 :(得分:0)
我会考虑递归,但这是你可以做的唯一其他非循环方法
答案 8 :(得分:0)
你可以“展开”循环,即在循环中按顺序写出所有乘法
答案 9 :(得分:0)
我想分享我对以下问题的回答:
1)制作两个张量(任意价)的张量积;
2)使两个张量沿任意维度收缩。
这是我执行第一和第二个任务的子例程:
1)张量积:
function [C] = tensor(A,B)
C = squeeze( reshape( repmat(A(:), 1, numel(B)).*B(:).' , [size(A),size(B)] ) );
end
2)收缩: 这里的A和B是分别沿着第i维和第j维收缩的张量。当然,这些尺寸的长度应相等。对此不做任何检查(这会使代码模糊),但除此之外效果很好。
function [C] = tensorcontraction(A,B, i,j)
sa = size(A);
La = length(sa);
ia = 1:La;
ia(i) = [];
ia = [ia i];
sb = size(B);
Lb = length(sb);
ib = 1:Lb;
ib(j) = [];
ib = [j ib];
% making the i-th dimension the last in A
A1 = permute(A, ia);
% making the j-th dimension the first in B
B1 = permute(B, ib);
% making both A and B 2D-matrices to make use of the
% matrix multiplication along the second dimension of A
% and the first dimension of B
A2 = reshape(A1, [],sa(i));
B2 = reshape(B1, sb(j),[]);
% here's the implicit implication that sa(i) == sb(j),
% otherwise - crash
C2 = A2*B2;
% back to the original shape with the exception
% of dimensions along which we've just contracted
sa(i) = [];
sb(j) = [];
C = squeeze( reshape( C2, [sa,sb] ) );
end
有批评家吗?