1

我在下面有以下代码,它使用了一个简单的 for 循环。我只是想知道是否有办法 vmap 它?这是原始代码:

import numpy as np 
import jax.numpy as jnp
import jax.scipy.signal as jscp
from scipy import signal
import jax

data = np.random.rand(192,334)

a = [1,-1.086740193996892,0.649914553946275,-0.124948974636730]
b = [0.054778173164082,0.164334519492245,0.164334519492245,0.054778173164082]
impulse = signal.lfilter(b, a, [1] + [0]*99) 
impulse_20 = impulse[:20]
impulse_20 = jnp.asarray(impulse_20)

@jax.jit
def filter_jax(y):
    for ind in range(0, len(y)):
      y = jax.ops.index_update(y, jax.ops.index[:, ind], jscp.convolve(impulse_20, y[:,ind])[:-19])
    return y

jnpData = jnp.asarray(data)

%timeit filter_jax(jnpData).block_until_ready()

这是我使用 vmap 的尝试:

def paraUpdate(y, ind):
    return jax.ops.index_update(y, jax.ops.index[:, ind], jscp.convolve(impulse_20, y[:,ind])[:-19])

@jax.jit
def filter_jax2(y):
  ranger = range(0, len(y))
  return jax.vmap(paraUpdate, y)(ranger)

但我收到以下错误:

TypeError: vmap in_axes 必须是一个 int、None 或(嵌套)容器,这些类型作为叶子,但得到了 Traced<ShapedArray(float32[192,334])>with<DynamicJaxprTrace(level=0/1)>。

我有点困惑,因为范围是 int 类型,所以我不太确定发生了什么。

最后,我试图让这个小部分尽可能地优化,以获得最短的时间。

4

1 回答 1

1

jax.vmap可以表达单个操作独立应用于输入的多个轴的功能。您的功能有点不同:您将单个操作迭代应用于单个输入。

幸运的是,JAX 提供了lax.scan可以处理这种情况的方法。实现看起来像这样:

from jax import lax

def paraUpdate(y, ind):
    return jax.ops.index_update(y, jax.ops.index[:, ind], jscp.convolve(impulse_20, y[:,ind])[:-19]), ind

@jax.jit
def filter_jax2(y):
  ranger = jnp.arange(len(y))
  return lax.scan(paraUpdate, y, ranger)[0]

print(np.allclose(filter_jax(jnpData), filter_jax2(jnpData)))
# True

%timeit filter_jax(jnpData).block_until_ready()
# 10 loops, best of 3: 28.6 ms per loop

%timeit filter_jax2(jnpData).block_until_ready()
# 1000 loops, best of 3: 519 µs per loop

如果您更改算法以便将操作应用于数组中的每一列而不是前N列,则可以这样表示vmap

@jax.jit
def filter_jax3(y):
  f = lambda col: jscp.convolve(impulse_20, col)[:-19]
  return jax.vmap(f, in_axes=1, out_axes=1)(y)
于 2020-11-03T15:29:24.290 回答