Question

我试图在ArrayFire中使我的数组饱和。我希望所有大于0.75的值饱和到1.0并且小于0.25以饱和到0.0。我使用以下表达式。

a(a > 0.75) = 1.0;
a(a < 0.25) = 0.0;

这是一个af :: array类型。它工作了一段时间，但是当我得到一个没有大于0.75的值的数组时，我得到以下异常。

terminate called after throwing an instance of 'af::exception'
  what():  ArrayFire Exception (Invalid input size:203):
In function verifyDims
In file src/api/c/data.cpp:36
Invalid dimension for argument 1
Expected: ndims >= 1

In function af::array af::constant(T, const af::dim4&, af::dtype) [with T = double; af::dtype = af_dtype]
In file src/api/cpp/data.cpp:28

如果我拨打af::print("", a > 0.75);，我会在崩溃之前得到以下输出。

它是否以某种方式看到这个数组都是零（它应该是因为非大于0.75）然后说维度为零？这是我做错了什么，还是代码中的错误？

以下代码似乎解决了这个问题，但我觉得这个解决方案效率不高。

af::array bellow = a[levels - 1] < 0.25f;
af::array above = a[levels - 1] > 0.75f;

if(af::anyTrue<bool>(above))
    a[levels - 1](above) = 0.75f;

if(af::anyTrue<bool>(bellow))
    a[levels - 1](bellow) = 0.25f;

对于那些想要看到整个功能的人，我在神经网络中做渐变体面。 a实际上是af :: array类型的数组。我把它留下来简化问题。

void train(const float* in, const float* expected_out, float learning_rate)
{
    std::unique_ptr<af::array[]> a(new af::array[levels]),
            z(new af::array[levels]), d(new af::array[levels]);

    af::array in_array(inputs, in);
    af::array y(dims[levels - 1], expected_out);

    z[0] = af::matmul(weights[0], in_array) + biases[0];
    a[0] = sigma(z[0]);


    for(size_t i = 1; i < levels; i++)
    {
        z[i] = af::matmul(weights[i], a[i - 1]) + biases[i];
        a[i] = sigma(z[i]);
    }


    a[levels - 1](a[levels - 1] < 0.25f) = 0.0f;
    a[levels - 1](a[levels - 1] > 0.75f) = 1.0f;

    d[levels - 1] = (y - a[levels - 1]) * sigma_prime(z[levels - 1]);
    for(size_t i = levels - 1; i-- > 0;)
        d[i] = af::matmul(weights[i + 1].T(), d[i + 1]) * sigma_prime(z[i]);

    for(size_t i = 0; i < levels; i++)
    {
        biases[i] += learning_rate * d[i];
        weights[i] += learning_rate * af::matmul(d[i], (i ? a[i - 1] : in_array).T());
    }
}

Answer 1

您看到的错误是由于此open bug about zero length arrays（编辑：从v3.4.0开始的FIxed）。这是一个普遍存在的问题，我们现在正试图解决一段时间。

以下是针对您案例的解决方法。你甚至不需要编制索引来实现你想要做的事情。

a[levels - 1] = af::min(0.75, af::max(0.25, a[levels - 1]));

编辑：从3.4开始，您可以执行以下操作以在arrayfire中实现相同的功能：

a[levels - 1] = af::clamp(a[levels - 1], 0.25, 0.75);

此方法比为您的案例建立索引要快得多。

也就是说，在某些情况下，您无法使用af::min和af::max来替换索引。在这些情况下，你可以做这样的事情作为一种解决方法：

af::array cond = arr < some_val;
arr = arr * (1 - cond) + cond * other_val;

这也应该比索引更快。但是，如果数组中包含NAN并且您尝试替换它们，则算法将不起作用。在这种情况下，您可以回退到以下功能之一。

使用select（使用额外内存）：

arr = af::select(af::isNaN(arr), arr, other_val));

使用替换（替换原位，不使用额外的内存）：

af::replace(arr, af::isNaN(arr) other_val));

然而，一些基准测试向我们表明select和replace在某些情况下（我们正在尝试修复）可能比索引慢。因此，如果算法select / replace速度很慢，您可以尝试使用以下方法进行索引。

af::array idx = af::where(af::isNaN(arr));
if (idx.elements()) arr(idx) = replace_val;

请注意，在内部对布尔af::array进行索引调用af::where。所以这和以下一样有效

arr(arr < some_val) = other_val;

还有一个额外的好处，即零大小的数组没有失败。

编辑：为后代添加了其他解决方法。

带条件的Arrayfire错误

1 个答案: