我正在尝试基于矩阵编写快速优化的代码,并且最近发现了einsum作为实现显着加速的工具。快速设置(M x N x N)矩阵对角线的方法? Einsum/n维fill_diagonal?
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,我试图通过求和每个正方形(N×N)矩阵中的列来设置矩阵矩阵(形状:M x N x N)的对角线。
我现在的(基于循环慢,)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
这能在所有的改进吗?看来np.fill_diagonal不接受非方形矩阵(因此强制我的基于循环的解决方案)。也许爱因斯也可以在这里帮助?
谢谢。这很好。有没有其他方法可以加快速度,避免进行多次改造? – PhysLQ
@PhysLQ那么,重塑视图是对数组进行查看访问并重构几乎是免费的最佳方式。我没有看到任何其他用于重建所提议的方法的用法,还是我们需要在其他地方进行重塑? – Divakar