问题标签 [numpy-einsum]

我有 3 个维度为 A = P*N、B = Q*N 和 C = R*N 的稀疏张量。计算乘积矩阵 A*B*C 使得乘积矩阵的维度在张量流中为 P*Q*R 的有效方法是什么？

我已经尝试使用 tf.matmul 并随后使用 tf.reshape 但它不会给出具有上述尺寸的产品矩阵。

谢谢。

我有一个L张量（ndarray对象）列表，每个都有几个索引。我需要根据连接图收缩这些指数。

连接被编码在一个元组列表中，其形式((m,i),(n,j))表示“将张量的第i个索引与张量L[m]的第j个索引收缩L[n]。

如何处理非平凡的连接图？第一个问题是，一旦我收缩了一对索引，结果就是一个不属于 list 的新张量L。但即使我解决了这个问题（例如，通过为所有张量的所有索引提供唯一标识符），也存在一个问题，即可以选择任何顺序来执行收缩，并且某些选择会在中间计算中产生不必要的巨大野兽（即使最终结果很小）。建议？

我正在尝试在 python 中实现高斯混合模型的期望最大化算法。

给定高斯分布的平均mu和协方差sigma ，我有以下行来计算我的数据X的高斯概率p：

我想知道我是否可以以某种方式摆脱 for 循环以获得类似的东西

我对广播进行了一些研究，并正在考虑使用该numpy.einsum功能，但无法弄清楚在这种情况下它将如何工作。

我得到的代码中的内容类似于：

A 是 a(20L, 50L)和 B 是(20L, 20L)

我应该改变，因为有人告诉我它会更快np.einsum，但我想我不完全理解tensordot输出的是什么。

现在 C 是 a(20L, 50L)我不明白为什么？

当然我已经阅读了文档页面，但仍然没有掌握信息。考虑到我刚刚开始使用 Python。

a python question: I've got a np.einsum operation that I'm doing on a pair of 3d arrays:

Problem I'm having is the result is 2d; the operation collapses the 'j' dimension. What I'd love to do is to have it retain the 'j' dimension similar to how 'keepdims' works in the np.sum function.

I can wrap the result in np.expand_dims, but that seems inefficient to me. I'd prefer to find some way to tweak the einsum to output what I'm after.

Is this posible?

我有一个基于矩阵的问题，我认为可以使用 numpy（也许是 einsum？）在一行代码中解决（计算成本低），但无法解决。

我想知道是否有人可以提出任何建议？问题如下：

举个例子：

如果有帮助，A 相对稀疏（可能包含 < 20 个非零项 - 但这些可能位于任何随机位置）。

编辑：添加循环

我可以使用嵌套循环来实现这一点，但这似乎是一个糟糕的解决方案：

我已经尝试了许多排列einsum，我认为这可能能够解决这个问题。例如形式np.einsum('ijkl,mi->mi')，但不知何故包括所有 ijkl 的总和，如上所述。

希望这是有道理的，并且任何指针（或使用 einsum / 其他数组处理路线的进一步建议）都会非常高兴。

在 tensorflow 中，函数tf.einsum、tf.matmul和tf.tensordot都可以用于相同的任务。（我意识到这一点tf.einsum并且tf.tensordot有更一般的定义；我也意识到它tf.matmul具有批处理功能。）在可以使用这三个中的任何一个的情况下，一个函数往往是最快的吗？还有其他推荐规则吗？

例如，假设A是一个 rank-2 张量，并且b是 rank-1 张量，并且您想要计算 product c_j = A_ij b_j。在三个选项中：

c = tf.einsum('ij,j->i', A, b)

c = tf.matmul(A, tf.expand_dims(b,1))

c = tf.tensordot(A, b, 1)

任何一般都比其他人更可取吗？

在我当前的 theano 脚本中，瓶颈是以下代码：

我曾在 2D 案例中看到，用点积替换 elementwise+sum 给了我 5 倍的加速。在这种情况下，是否有任何矩阵运算可以帮助我？

编辑：

Divakar给了我一个基于einsum的版本。但是，我的意图是将其移植到theano并且einsum在theano上不受支持。因此，欢迎使用可移植到theano的替代方案。

我有两个矩阵，5x4 和 3x2。我想从他们那里得到一个 5x3 矩阵。

我可以这样做

但我不知道如何通过 numpy.tensordot 做到这一点我试过这个

我收到一个错误

背后的数学是

为什么我需要迁移einsum到tensordot?

因为我正在使用作为后端加速计算的pymc3包进行研究。theano

但是，theano.tensor不支持einsum，它只支持tensordot，与 . 相同的语法np.tensordot。

我正在尝试基于矩阵编写快速、优化的代码，并且最近发现了 einsum 作为实现显着加速的工具。

是否可以使用它来有效地设置多维数组的对角线，还是只能返回数据？

在我的问题中，我试图通过对每个方阵 (N x N) 矩阵中的列求和来设置方阵数组（形状：M x N x N）的对角线。

我当前的（缓慢的，基于循环的）解决方案是：

请问这可以改善吗？似乎 np.fill_diagonal 不接受非方阵（因此强制我的基于循环的解决方案）。也许 einsum 也可以在这里提供帮助？