Question

一些例子：

import numpy as np
tensor_same = np.array([[1]*10 + [2] * 10 + [1] * 10]).reshape((-1, 10, 1))
tensor_diff = np.array([[1]*10 + [2] * 10 + [1] * 9 + [2]]).reshape((-1, 10, 1))

第一个张量具有两个相同的样本。在第二个样本中，所有样本都不同。

检查非常大的张量的最快方法是什么？

Answer 1

我们可以沿第一个轴使用np.unique来获得唯一的块数，如果这与原始输入中的元素数相同，则表示所有不同的样本，否则至少一个重复，例如-

In [25]: len(np.unique(tensor_same,axis=0)) != len(tensor_same)
Out[25]: True

In [26]: len(np.unique(tensor_diff,axis=0)) != len(tensor_diff)
Out[26]: False

另一种方法是使用np.unique-

返回的计数

In [42]: (np.unique(tensor_same,axis=0, return_counts=1)[1]>1).any()
Out[42]: True

In [43]: (np.unique(tensor_diff,axis=0, return_counts=1)[1]>1).any()
Out[43]: False

另一种方法是沿第一个轴排序，执行连续的元素微分，然后沿第二个轴查找所有零，最后ANY匹配-

In [29]: (np.diff(np.sort(tensor_same,axis=0),axis=0)==0).all(1).any()
Out[29]: True

In [30]: (np.diff(np.sort(tensor_diff,axis=0),axis=0)==0).all(1).any()
Out[30]: False

另一种方法是使用views，这样每个2D块都被视为一个元素，然后我们采用相同的排序并寻找相同的连续元素，就像这样-

# https://stackoverflow.com/a/44999009/ @Divakar
def view1D(a): # a is array
    a = np.ascontiguousarray(a)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))
    return a.view(void_dt).ravel()

def is_any_identical(a):
    a1D = view1D(a.reshape(a.shape[0],-1))
    a1Ds = np.sort(a1D)
    return (a1Ds[:-1] == a1Ds[1:]).any()

样品运行-

In [90]: np.random.seed(0)
    ...: a = np.random.randint(11,99,(6,4,3))

In [91]: is_any_identical(a)
Out[91]: False

In [92]: a[2] = a[1] # force one identical element

In [93]: is_any_identical(a)
Out[93]: True

对于正数ints，或者我们可以使用np.einsum来获得相同的降维效果，最后为2D块各添加一个元素。因此，我们在a1D中将有is_any_identical()个等价物-

a1D = np.einsum('ijk,jk->i',a,a.max(0)+1)

检查张量中是否有两个样本相同的笨拙方法

1 个答案: