相当于 numpy-einsum 的张量点
tensordot equivalent of numpy-einsum
我想找出下面表达式的tensordot
等价物,因为稀疏包不支持einsum(原始问题的稀疏性比下面的例子好得多)。
我卡住的地方是收缩ii->i,我不知道如何解释这个。
mki_shape=(25,25,121)
mki=np.random.uniform(size=mki_shape)
tik_shape=(10,121,25)
tik=np.random.uniform(size=tik_shape)
tim=np.einsum('mki,tik->tim',mki,tik)
print(tim.shape)
您可以获得与np.einsum
with a for loop, np.matmul
and a np.transpose
操作相同的结果:
mki_shape=(25,25,121)
mki=np.random.uniform(size=mki_shape)
tik_shape=(10,121,25)
tik=np.random.uniform(size=tik_shape)
tim=np.einsum('mki,tik->tim',mki,tik)
print(tim.shape)
(10, 121, 25)
tim2 = np.array([np.matmul(mki[:,:,i],tik[:,i,:].T) for i in range(mki_shape[2])])
tim2 = np.transpose(tim2,axes=(2,0,1))
print(tim2.shape)
(10, 121, 25)
np.allclose(tim,tim2)
True
您只需要知道要减少的维度,并注意 matmul 的维度对齐(因此转置)。
我想找出下面表达式的tensordot
等价物,因为稀疏包不支持einsum(原始问题的稀疏性比下面的例子好得多)。
我卡住的地方是收缩ii->i,我不知道如何解释这个。
mki_shape=(25,25,121)
mki=np.random.uniform(size=mki_shape)
tik_shape=(10,121,25)
tik=np.random.uniform(size=tik_shape)
tim=np.einsum('mki,tik->tim',mki,tik)
print(tim.shape)
您可以获得与np.einsum
with a for loop, np.matmul
and a np.transpose
操作相同的结果:
mki_shape=(25,25,121)
mki=np.random.uniform(size=mki_shape)
tik_shape=(10,121,25)
tik=np.random.uniform(size=tik_shape)
tim=np.einsum('mki,tik->tim',mki,tik)
print(tim.shape)
(10, 121, 25)
tim2 = np.array([np.matmul(mki[:,:,i],tik[:,i,:].T) for i in range(mki_shape[2])])
tim2 = np.transpose(tim2,axes=(2,0,1))
print(tim2.shape)
(10, 121, 25)
np.allclose(tim,tim2)
True
您只需要知道要减少的维度,并注意 matmul 的维度对齐(因此转置)。