Python:在不使用迭代的情况下将for循环操作扩展到矩阵中的每一行

Question

我有一段代码是这样的:

a = Y[0]; b = Z[0]
print(a, b)
loss = 0
for i in range(len(a)):
    k = len(a)-i
    loss += (2**(k-1))*np.abs(a[i]-b[i])
print(loss)

其中 Y 和 Z 的维度是 250 x 10，每行是 10 位二进制值。例如，print(a,b) 打印如下:[1 0 0 0 0 0 0 0 1 0] [0 0 0 1 1 1 1 1 0 0]

现在我想在 for 循环中为 Y 和 Z 之间的相应行应用两行函数。但我不想做这样的事情:

for j in range(Y.shape[0]):
    a = Y[j]; b = Z[j]
    loss = 0
    for i in range(len(a)):
        k = len(a)-i
        loss += (2**(k-1))*np.abs(a[i]-b[i])
    print(loss)

我本质上是在尝试在 keras/tensorflow 中创建自定义损失函数。那个 for 循环示例不适用于大型张量操作。我如何使用某种批处理矩阵运算而不是 for 循环来完成它？

Answer 1

你可以这样做:

factor = 2**np.arange(Y.shape[1])[::-1]
loss = np.sum(factor * np.abs(Y-Z), axis=-1)