Question

我有一个不同形状的ndarray列表，例如形状(3072, 128), (128,), (128, 64)。并非巧合，前一个数组的最后一个维度与后一个数组的第一个维度相匹配 - 如果这有任何帮助。我想使用numpy来计算所有数组的总体最大值（所以只有一个标量）。但是，numpy.amax(my_list)会返回

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

我知道我可以通过使用明确的for循环来避免这个问题，比如

for arr in my_list:
    max_so_far = numpy.amax(arr)
    ...

但如果可能的话，我想利用numpy的广播/矢量化功能。有没有办法实现这个目标？

Answer 1

我会用：

maximum = max(arr.max() for arr in my_list)

最多的工作将在每个arr.max（）调用中完成，这在numpy内部进行了很好的优化，并且Python max的上限时间（在单个数组的最大值上计算）可以忽略不计（假设数字可以忽略不计）数组中元素的数量明显大于数组的总数。

任何试图挤压+连接数组的尝试（最终只能进行一些numpy max调用）都会导致性能下降。

Answer 2

l = [(3072, 128), (128, ), (128, 64)]
a = np.array(l, dtype=object)
print np.amax(np.amax(a))
# 3072

如何在不同形状的ndarray列表上使用numpy.amax（）？

2 个答案: