(M )矩阵对角的快速设置方法？Einsum /n维fill_diagonal？
(M )矩阵对角的快速设置方法？Einsum /n维fill_diagonal？
提问于 2017-05-15 23:02:31
我正在尝试基于矩阵编写快速、优化的代码，最近我发现einsum是一种实现显著加速的工具。
是否可以使用此方法有效地设置多维数组的对角线，或者只能返回数据？
在我的问题中，我试图通过将每个正方形( N )矩阵中的列相加来设置方阵的对角(shape: M)。
我目前(慢的，基于循环的)解决方案是：
# Build dummy array
dimx = 2 # Dimension x (likely to be < 100)
dimy = 3 # Dimension y (likely to be between 2 and 10)
M = np.random.randint(low=1, high=9, size=[dimx, dimy, dimy])
# Blank the diagonals so we can see the intended effect
np.fill_diagonal(M[0], 0)
np.fill_diagonal(M[1], 0)
# Compute diagonals based on summing columns
diags = np.einsum('ijk->ik', M)
# Set the diagonal for each matrix
# THIS IS LOW. CAN IT BE IMPROVED?
for i in range(len(M)):
np.fill_diagonal(M[i], diags[i])
# Print result
M请把这个改进一下好吗？np.fill_diagonal似乎不接受非平方矩阵(因此迫使我的循环解决方案)。也许einsum也能帮上忙？
回答 2
Stack Overflow用户
回答已采纳
发布于 2017-05-15 23:07:50
一种方法是重塑为2D，在ncols+1的步骤中设置带有对角线值的列。重塑创建了一个视图，因此允许我们直接访问这些对角线位置。因此，实施将是-
s0,s1,s2 = M.shape
M.reshape(s0,-1)[:,::s2+1] = diagsStack Overflow用户
发布于 2017-05-16 00:24:22
如果您执行np.source(np.fill_diagonal)，您将看到在2d的情况下，它使用了一种“跨步”方法
if a.ndim == 2:
step = a.shape[1] + 1
end = a.shape[1] * a.shape[1]
a.flat[:end:step] = val@Divakar's解决方案将此应用到你的3d案例中，在二维上“平放”。
可以将列与M.sum(axis=1)相加。虽然我隐约记得一些发现einsum实际上要快一点的时间。sum有点传统。
有人已经要求有能力在einsum中扩展维度，但我不认为这种情况会发生。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/43990071
复制相关文章
相似问题
腾讯云开发者
