检查张量中任意两个样本是否相同的 Numpy 方法

Question

一些示例：

import numpy as np
tensor_same = np.array([[1]*10 + [2] * 10 + [1] * 10]).reshape((-1, 10, 1))
tensor_diff = np.array([[1]*10 + [2] * 10 + [1] * 9 + [2]]).reshape((-1, 10, 1))

第一个张量有两个相同的样本。在第二个中，所有样本都不同。

检查非常大的张量的最快方法是什么？

Answer 1

我们可以沿第一个轴使用 np.unique 来获得唯一数量的块，如果它与原始输入中的元素数量相同，则表示所有不同的样本，否则至少有一个重复，例如所以-

In [25]: len(np.unique(tensor_same,axis=0)) != len(tensor_same)
Out[25]: True

In [26]: len(np.unique(tensor_diff,axis=0)) != len(tensor_diff)
Out[26]: False

另一种方法是使用 np.unique -

返回的计数

In [42]: (np.unique(tensor_same,axis=0, return_counts=1)[1]>1).any()
Out[42]: True

In [43]: (np.unique(tensor_diff,axis=0, return_counts=1)[1]>1).any()
Out[43]: False

另一种方法是沿第一个轴排序，执行连续元素微分，然后沿第二个轴查找所有零，最后 ANY 匹配 -

In [29]: (np.diff(np.sort(tensor_same,axis=0),axis=0)==0).all(1).any()
Out[29]: True

In [30]: (np.diff(np.sort(tensor_diff,axis=0),axis=0)==0).all(1).any()
Out[30]: False

另一种方法是使用 views 这样每个 2D 块都被视为一个元素，然后我们使用相同的排序并寻找相同的连续元素，就像这样 -

#  @Divakar
def view1D(a): # a is array
    a = np.ascontiguousarray(a)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))
    return a.view(void_dt).ravel()

def is_any_identical(a):
    a1D = view1D(a.reshape(a.shape[0],-1))
    a1Ds = np.sort(a1D)
    return (a1Ds[:-1] == a1Ds[1:]).any()

样本运行-

In [90]: np.random.seed(0)
    ...: a = np.random.randint(11,99,(6,4,3))

In [91]: is_any_identical(a)
Out[91]: False

In [92]: a[2] = a[1] # force one identical element

In [93]: is_any_identical(a)
Out[93]: True

对于正 ints，或者我们可以使用 np.einsum 来获得相同的降维效果，并最终得到一个 2D 块的每个元素。因此，我们将在 is_any_identical() 中得到 a1D 等价物 -

a1D = np.einsum('ijk,jk->i',a,a.max(0)+1)

检查张量中任意两个样本是否相同的 Numpy 方法

Numpy way to check if any two samples in a tensor are identical

python

numpy

unique

multidimensional-array

tensor