特征张量广播语法

Question

我有以下numpy代码：

# q.shape == (fxs, ks)
# E.shape == (fxs, fxs)
C = q[:, np.newaxis, :] * E[:, :, np.newaxis] * q[np.newaxis, :, :]
# C.shape == (fxs, fxs, ks)

我在Eigen重新实现。

以下是我提出的建议：

Eigen::Tensor<T, 3> C =
          q.reshape(Eigen::array<int, 3> {fxs, 1,   ks}).broadcast(Eigen::array<int, 3> {1, fxs, 1})
        * E.reshape(Eigen::array<int, 3> {fxs, fxs, 1 }).broadcast(Eigen::array<int, 3> {1, 1, ks})
        * q.reshape(Eigen::array<int, 3> {1,   fxs, ks}).broadcast(Eigen::array<int, 3> {fxs, 1, 1});

但这看起来非常冗长。这是正确的翻译吗？

Answer 1

您可以尝试xtensor C ++模板库，它支持动态和静态维度http://xtensor.readthedocs.io

xtensor的API与numpy的API非常相似，包括矢量化，广播，通用功能。这里有xtensor备忘单：http://xtensor.readthedocs.io/en/latest/numpy.html

最后，您可以点击https://github.com/QuantStack/xtensor/顶部的活页夹徽章，在C ++ Jupyter笔记本中试用它。

xtensor还附带了科学计算主要语言（R，Julia，Python）的绑定。