如何避免在pytorch或numpy中拆分和求和

我想把一个长向量分成更小的不相等的部分，对每个部分进行求和，然后将结果收集到一个新的向量中。 我需要在pytorch中这样做，但我也有兴趣看看numpy是如何做到这一点的

这可以通过拆分向量轻松实现

sizes = [3, 7, 5, 9]
X = torch.ones(sum(sizes))
Y = torch.tensor([s.sum() for s in torch.split(X, sizes)])

或者使用np.one和np.split

有没有更有效的方法

编辑： 受第一条评论的启发：

indices = np.cumsum([0]+sizes)[:-1]
Y = np.add.reduceat(X, indices.tolist())

为numpy解决它。我仍在寻找Pytork的解决方案。

是你的朋友

# inputs
sizes = torch.tensor([3, 7, 5, 9], dtype=torch.long)
x = torch.ones(sizes.sum())
# prepare an index vector for summation (what elements of x are summed to each element of y)
ind = torch.zeros(sizes.sum(), dtype=torch.long)
ind[torch.cumsum(sizes, dim=0)[:-1]] = 1
ind = torch.cumsum(ind, dim=0)
# prepare the output
y = torch.zeros(len(sizes))
# do the actual summation
y.index_add_(0, ind, x)

---

查找

numpy.reduceat

。太好了！这就解决了numpy的问题。感谢@Divakara以更高效的方式生成

ind

：

ind=torch.arange（len（size））。重复交错（size）