我正在尝试编写基于矩阵的快速优化代码,并且最近发现 einsum 作为实现显着加速的工具。
是否可以使用它来有效地设置多维数组的对角线,还是只能返回数据?
在我的问题中,我试图通过对每个方阵 (N x N) 中的列求和来设置方阵数组(形状:M x N x N)的对角线。
我当前的(缓慢的,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
请问这可以改进吗?似乎 np.fill_diagonal 不接受非方矩阵(因此强制我基于循环的解决方案)。也许 einsum 也可以提供帮助?
最佳答案
一种方法是 reshape 为 2D
,在 ncols+1
步长处使用对角线值设置列。 reshape 创建一个 View ,因此允许我们直接访问那些对角线位置。因此,实现将是 -
s0,s1,s2 = M.shape
M.reshape(s0,-1)[:,::s2+1] = diags
关于numpy - 设置(M x N x N)矩阵对角线的快速方法? Einsum/n维fill_diagonal?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43990071/