0
两个值之间的线性插值很简单:如何将两个数之间的线性插值推广到更高维张量?
def lerp(v, d):
return v[0] * (1 - d) + v[1] * d
print lerp(np.array([3, 5]), 0.75)
> 4.5
让它推广到形状的任意张量(2,2,...),即:
def lerp(v, d):
assert len(v.shape) >= 1 and d.shape == (len(v.shape),)
if len(v.shape) == 1:
assert v.shape[0] == 2
dd = np.array([1 - d[0], d[0]], dtype=v.dtype)
return sum(v * dd)
else:
v = [lerp(submatrix, d[1:]) for submatrix in v]
return lerp(np.array(v), d[:1])
assert lerp(np.array([3.0, 4.0]), np.array([0.75])) == 3.75
assert lerp(
np.array(xrange(8), dtype='float64').reshape((2,2,2)),
np.array([0.25, 0.5, 0.75])
) == 2.75
它的工作原理时,每个值是标量,但不是当个体值是张量并且形状不像上面所述的那样声明。例如:
assert all(lerp(
np.array([[1.0, 2.0], [3.0, 4.0]]),
np.array([0.75])
) == np.array([ 2.5, 3.5]))
如何实现,与纯numpy的,没有蟒蛇递归,与数组索引等演奏,使之与张量值也行?有没有任何numpy功能?