For loop 在torch7中初始化张量的快速方法

我需要在torch7中用一个索引相关函数初始化一个3D张量，即

func = function(i,j,k)  --i, j is the index of an element in the tensor
    return i*j*k        --do operations within func which're dependent of i, j
end

然后我初始化一个3D张量a，如下所示：

for i=1,A:size(1) do
    for j=1,A:size(2) do
        for k=1,A:size(3) do
            A[{i,j,k}] = func(i,j,k)
        end
    end
end

---

但这段代码运行非常慢，我发现它占用了92%的总运行时间。有没有更有效的方法来初始化torch7中的3D张量？

请参阅文档以了解详细信息

这些函数对张量的每个元素应用一个函数 该方法被称为（self）。这些方法比其他方法快得多 在Lua中使用for循环

文档中的示例根据索引i（内存中）初始化2D数组。下面是一个3维的扩展示例，下面是N-D张量的扩展示例。在我的机器上使用apply方法要快得多：

require 'torch'

A = torch.Tensor(100, 100, 1000)
B = torch.Tensor(100, 100, 1000)

function func(i,j,k) 
    return i*j*k    
end

t = os.clock()
for i=1,A:size(1) do
    for j=1,A:size(2) do
        for k=1,A:size(3) do
            A[{i, j, k}] = i * j * k
        end
    end
end
print("Original time:", os.difftime(os.clock(), t))

t = os.clock()
function forindices(A, func)
  local i = 1
  local j = 1
  local k = 0
  local d3 = A:size(3)
  local d2 = A:size(2) 
  return function()
    k = k + 1
    if k > d3 then
      k = 1
      j = j + 1
      if j > d2 then
        j = 1
        i = i + 1
      end
    end
    return func(i, j, k)
  end
end

B:apply(forindices(A, func))
print("Apply method:", os.difftime(os.clock(), t))

---

编辑

这适用于任何张量对象：

function tabulate(A, f)
  local idx = {}
  local ndims = A:dim()
  local dim = A:size()
  idx[ndims] = 0
  for i=1, (ndims - 1) do
    idx[i] = 1
  end
  return A:apply(function()
    for i=ndims, 0, -1 do
      idx[i] = idx[i] + 1
      if idx[i] <= dim[i] then
        break
      end
      idx[i] = 1
    end
    return f(unpack(idx))
  end)
end

-- usage for 3D case.
tabulate(A, function(i, j, k) return i * j * k end)

函数表（A，f）
本地idx={}
本地ndims=A:dim（）
本地尺寸=A:size（）
idx[ndims]=0
对于i=1，（ndims-1）do
idx[i]=1
结束
返回A:apply（函数（）
对于i=ndims，0，-1 do
idx[i]=idx[i]+1
如果idx[i]A

的大小是多少？不客气！（注释已删除，因为这之后不再相关）回答得很好！只要函子能够正确地进行JIT编译，它就会非常快（接近C速度）非常感谢@rpattiso。这正是我想要的，尽管我花了一些时间弄清楚了ForIndexs（）的用法行得通。这真的很有帮助。顺便问一下，你是怎么想到这个函数的？你读过Torch7的C源代码吗？@MarsPlus我很高兴它有帮助！我读过文档，看到他们如何使用全局变量

I

将张量初始化为一个序列，并在传递给应用的函数中递增它。然后我将其扩展到3d，模仿loo附言