将阵列打包/解压缩到N-D阵列中

Question

是否有快速方法将多个矩阵（具有不同形状）存储（打包）到一个N-D阵列中（N无关紧要），然后在需要时将其解包？

这是我快速而又肮脏的解决方案：

def pack(*matrices):
  return np.concatenate([a.flatten() for a in matrices])

def unpack(container):
  shapes = [ (64, 25), (64, 1), (25, 64), (25, 1) ] #Example
  sections = [ np.prod(shape) for shape in shapes ] 
  arrays = np.split(x, np.cumsum(sections))
  return [ np.reshape(a, shape) for a, shape in zip(arrays, shapes)]

上下文

我正在使用scipy.optimize.fmin_l_bfgs_b进行初步猜测＆＃39;参数x0。在内部，执行x = array(x0, float64)，这意味着需要一系列（元素可转换为）浮点数。如果x0 = [matrix1，matrix2，matrix3，...]则异常上升：

ValueError: setting an array element with a sequence.

因此，所有这些矩阵都需要打包成一系列浮点数，然后在需要时解压缩。

Answer 1

对我来说，最有效的方法是重写函数scipy.optimize.fmin_l_bfgs_b。这不应该是困难的

您可以在此处找到源代码：github