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
最佳答案
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。
关于python - 将 numpy 数组设置为切片而无需任何就地操作,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62076485/