Question

给定一个数组 x ，形状（2，n，m）和一组索引 [i，j] 其中 i，j＆lt; n ，我试图获得一个形状（2，m）的数组，其中第一个数组位于索引 [0，i] 和第二个数组在索引 [1，j] 。这是用于推广到形状（b，n，m）的数组和一组长度为 b 的索引的测试用例。

此操作的明显选择是 np.choose ，但这与预期的行为不同。我们希望将第一个数组的行 i 与第二个数组的行 j 配对。但是，当使用 np.choose（[i，j]，x）时， np.choose 会对中的第一个列进行配对数组索引为 i ，其中第二列来自数组，索引为 j （可在下面的代码中看到）得到一个形状（n，m）的数组。显然这个任务很容易用for循环执行，但由于用例（在Keras中作为张量的自定义函数，禁止迭代）我不能这样做。是否有使用Keras后端函数或Numpy执行此操作的矢量化方法？我目前正在使用＆＃34; map＆＃34;要做到这一点，如果我弄明白，我会用自己的答案进行更新。

这是一段代码片段，向您展示np.choose如何处理（2，n，m）数组：

>>> import numpy as np 
>>> x = np.random.rand(2,4,2)
>>> choices = [3,1]
>>> np.choose(choices,x)
    ValueError: invalid entry in choice array
>>> np.choose([0,0],x)
    #Returns an array with x[0,:,0] and x[0,:,1] in shape(4,2)

Answer 1

我相信你可以使用advanced indexing。举个例子：

import numpy as np 
x = np.random.randint(0,10,(2,4,3))

x是：

[[[0 4 1]
  [8 8 1]
  [3 3 6]
  [4 7 8]]

 [[7 1 2]
  [5 9 9]
  [0 4 0]
  [7 8 3]]]

现在x[[0,1],[3,1],:]是：

[[4 7 8]
 [5 9 9]]

这可以扩展到(b,m,n)问题：

import numpy as np 
x = np.random.randint(0,10,(100,200,300))
choices= np.random.randint(0,200,(100))

def loop():
    res=np.empty((100,300),int)
    for i in range(100):
        res[i]=x[i,choices[i]]
    return res

一些性能测试：

In [30]: %timeit loop()
10000 loops, best of 3: 140 µs per loop

In [31]: %timeit x[arange(100),choices,:]
10000 loops, best of 3: 23.7 µs per loop

这里的索引方法只比循环快6倍，因为任务（提取）无法利用内存对齐。

最后，您可以通过loop2=numba.njit(loop)及时编译来增强循环。

In [32]: %timeit loop2()
10000 loops, best of 3: 32 µs per loop

表明索引方法是最优的。

给定1D指数数组的3D阵列矢量化二维阵列

1 个答案: