问题标签 [numpy-einsum]

我无法理解为什么以下内容不起作用：

我有一个可以是三维或六维的数组前置因子。我有一个具有四个维度的偶极子阵列。dipoles 的前三个维度与 prefactor的后三个维度匹配。

由于我不知道prefactor的形状，我使用省略号来说明prefactor中的三个可选维度：

（在这里的例子中，prefactor.shape 是 (1, 1, 1, 160, 160, 128) 和 dipoles.shape 是 (160, 160, 128, 3)。执行时，我得到错误：

操作数 1 没有足够的维度来匹配广播，并且无法扩展，因为在开始和结束时都指定了爱因斯坦和下标

但是，当我在第二项中添加省略号时，它确实有效：

只是我不明白为什么，因为那里不需要省略号。有人知道这里发生了什么吗？

在http://comments.gmane.org/gmane.comp.python.numeric.general/53705上提出了同样的问题，但还没有令人满意的答案。

我正在努力理解究竟是如何einsum工作的。我查看了文档和一些示例，但似乎并没有坚持下去。

这是我们在课堂上学习的一个例子：

对于两个数组：A和B.

我认为这需要A^T * B，但我不确定（它正在对其中一个进行转置，对吗？）。谁能告诉我这里发生了什么（以及一般使用时einsum）？

我在“np.einsum”的文档中理解的是，一个排列字符串会给出一个向量中轴的排列。以下实验证实了这一点：

但这我无法理解：

我希望 (4, 2, 3) 改为......我的理解有什么问题？

我有一个大数据矩阵，我想计算该大矩阵的相似度矩阵，但由于内存限制，我想拆分计算。

假设我有以下内容：例如，我采用了一个较小的矩阵

他们我尝试执行以下操作：

n1,n2,m1,m2 计算如下：（df 是一个数据框）

但错误是：

我有一个带有 3 个轴的数组：

而且我想使用 einsum 以非迭代方式将“a”中每个向量的点积与矩阵相乘：

像这样

得到一个与初始数组“a”形状相同的数组。我一直在尝试使用 einsum，但我无法让它工作。

我有 Ubuntu 14.04 和安装了英特尔的数学内核库 (MKL) 的“Anaconda”Python 发行版。我的处理器是具有 8 个内核且没有超线程（因此只有 8 个线程）的 Intel Xeon。

对我来说，numpytensordot始终优于einsum大型数组。然而，其他人发现两者之间的差异很小，甚至einsum 在某些操作中可能优于 numpy。

对于使用numpy快速库构建的发行版的人，我想知道为什么会发生这种情况。MKL 在非英特尔处理器上运行是否更慢？还是einsum在具有更好线程能力的更现代的英特尔处理器上运行得更快？

这是一个快速示例代码，用于比较我的机器上的性能：

使用 tensordot 的张量运算始终在 5-20 GFLOP 范围内运行。我用 einsum 只能得到 0.2 GFLOPS。

I have a set of 3d coordinates that was generated using meshgrid(). I want to be able to rotate these about the 3 axes.

I tried unraveling the meshgrid and doing a rotation on each point but the meshgrid is large and I run out of memory.

This question addresses this in 2d with einsum(), but I can't figure out the string format when extending it to 3d.

I have read several other pages about einsum() and its format string but haven't been able to figure it out.

EDIT:

I call my meshgrid axes X, Y, and Z, each is of shape (213, 48, 37). Also, the actual memory error came when I tried to put the results back into a meshgrid.

When I attempted to 'unravel' it to do point by point rotation I used the following function:

I looped over the result with the following:

After the rotation I will be using the points to interpolate onto.

来自这个问题，我想知道是否有可能进行更广义的 einsum。让我们假设，我有问题

或类似的东西，我如何在不遍历总和的情况下解决这个问题？

最诚挚的问候

我知道我能做到np.subtract.outer(x, x)。如果x有 shape (n,)，那么我最终会得到一个 shape 的数组(n, n)。但是，我有一个xwith shape (n, 3)。我想用 shape 输出一些东西(n, n, 3)。我该怎么做呢？也许np.einsum？

例如，

这仍然A没有问题。

但如果我这样做print np.einsum('kij', A)的形状是(3, 4, 2)。不应该(4, 2, 3)吗？

print np.einsum('cab', A)形状的结果也(4, 2, 3)没有问题。为什么print np.einsum('kij', A)不一样？