python - 将 numpy 数组设置为切片而无需任何就地操作

Question

如何在没有任何就地操作的情况下有效地执行此操作？

n_id = np.random.choice(np.arange(2708), size=100)
z = np.random.rand(100, 64)
z_sparse = np.zeros((2708,64))
z_sparse[n_id[:100]] = z

本质上，我希望 z_sparse 的 n_id 行包含 z 的行，但我无法进行任何就地操作，因为我的最终目标是在 pytorch 问题中使用它。

一种方法是在 z 中精确地创建零行，以便 z 的行最终位于位置 n_id，但不确定这将如何有效地工作。

基本上是 z 的第 1 行应该放在行 n_id[0]的 z_sparse ，然后是 z 的第 2 行应该在行 n_id[1]的 z_sparse ， 等等...

这是您好奇的 PyTorch 错误 jic:RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation

Answer 1

如 n_id是固定索引数组，可以得到z_sparse作为矩阵乘法:

# N, n, m = 2078,100, 64
row_mat = (n_id[:n] == np.arange(N)[:,None])

# for pytorch tensor
# row_mat = Tensor(n_id[:n] == np.arange(N)[:,None])

z_sparse =  row_mat @ z

自 row_mat是一个常量数组(张量)，你的图应该可以正常工作。