问生成不重复的二进制序列

EN

生成所有的序列，然后检查它们是否是唯一的，这是相当昂贵的，正如您注意到的。考虑这一备选办法：

1. 生成一个序列
2. 将其转换为元组并将其添加到集合中。
3. 如果集合大小为batch_size，则返回它，否则转到步骤1

这种方法可以实现如下：

def unique_01_sequences(dim, batch_size):
    sequences = set()
    while len(sequences) != batch_size:
        sequences.add(tuple(np.random.randint(0, 2, dim)))
    return sequences

运行dim=32和batch_size=1000的两种解决方案：

Original: 2.296s
Improved: 0.017s

注意:我建议的函数的结果是一组元组，但它可以转换成您喜欢的格式。

其他一些建议和考虑：

• 功能:考虑将代码封装在一个函数中，这样更容易重用和测试。
• 退出条件:此部分:如果is_same:继续，否则:中断可以简化为:如果不是is_same:中断
• 二进制序列与整数序列:可能您知道，但结果是整数的“序列”，而不是标题中所说的二进制序列。
• 碰撞:对于dim和batch_size的某些配置，建议的方法可能变得非常慢。例如，如果输入是dim=10和batch_size=1024，则结果包含10“位”的所有配置，这些配置是0到1023之间数字的二进制表示。在生成过程中，当集合sequences的大小接近1024时，碰撞次数增加，从而减慢了函数的速度。在这些情况下，生成所有配置(作为数字)并对它们进行洗牌将更有效。
• 边缘大小写:对于dim=10和batch_size=1025，函数永远不会结束。考虑验证输入。

正如其他答案在@Marc中所指出的，生成一个随机样本，然后在有任何重复的情况下将其全部丢弃是非常浪费和缓慢的。相反，您可以使用内置set，也可以使用np.unique。我还会使用稍微快一点的算法，一次生成多个元组，然后去重复，检查丢失了多少元组，然后生成足够多的元组，假设现在存在重复，然后重复它。

def random_bytes_numpy(dim, n):
    nums = np.unique(np.random.randint(0, 2, [n, dim]), axis=1)
    while len(nums) < n:
        nums = np.unique(
            np.stack([nums, np.random.randint(0, 2, [n - len(nums), dim])]),
            axis=1
        )
    return nums

这里有一种使用set的替代方法，但是使用相同的算法，在没有重复的情况下，生成的样本总是完全相同的：

def random_bytes_set(dim, n):
    nums = set()
    while len(nums) < n:
        nums.update(map(tuple, np.random.randint(0, 2, [n - len(nums), dim])))
    return nums

下面是他们在固定batch_size上增加dim=32所需时间的比较，包括@Marc和您的函数：

对于更大的batch_size值，不使用您的算法，因为这需要太长时间：