2

我是 Jax 的新手，我正在努力转换其他人的代码，该代码使用了 numba “fastmath” 功能并依赖于许多嵌套的 for 循环而没有太多的性能损失。我正在尝试使用 Jax 的 vmap 函数重新创建相同的行为。但是，我目前在一些基本问题上遇到了很多困难。这是我尝试使用 vmap 进行矢量化的简化示例：

import jax.numpy as jnp
from jax import vmap
import jax.ops

a = jnp.arange(20).reshape((4, 5))
b = jnp.arange(5)
c = jnp.arange(4)
d = jnp.zeros(20)
e = jnp.zeros((4, 5))

for i in range(a.shape[0]):
    for j in range(a.shape[1]):
        a = jax.ops.index_add(a, jax.ops.index[i, j], b[j] + c[i])
        d = jax.ops.index_update(d, jax.ops.index[i*a.shape[1] + j], b[j] * c[i])
        e = jax.ops.index_update(e, jax.ops.index[i, j], 2*b[j])

我将如何使用 vmap 重写这样的代码？虽然此代码相对容易手动矢量化，但我希望更好地了解 vmap 的工作原理，并希望任何答案都能帮助我。这些文档现在似乎并没有真正帮助我。我非常感谢您能提供的任何帮助。

4

1 回答 1

1

以下是您如何使用以下方法实现大致相同的计算vmap：

from jax import vmap, partial

@partial(vmap, in_axes=(0, None, 0))
@partial(vmap, in_axes=(0, 0, None))
def f(a, b, c):
  return a + b + c, b * c, 2 * b

a, d, e = f(a, b, c)
d = d.ravel()
于 2021-05-24T03:08:56.993 回答