Python 在三维中索引张量

我有一批长度为

L

的

N

整数序列，嵌入到

N*L*d

张量中。这个序列由我的网络架构自动编码。因此，我：

from theano import tensor as T
X = T.imatrix('X')  # N*L elements in [0,C]
EMB = T.tensor('Embedding')  # N*L*d
...  # some code goes here :-)
PY = T.tensor('PY')  # N*L*C probability of the predicted class in [0,C]
cost = -T.log(PY[X])  

---

据我所知，索引是在张量的第一维，所以我不得不使用

theano.scan

。有没有办法直接索引张量？

听起来你想要一个三维版本的

如果是这样的话，那么我认为你可以简单地将真实类标签索引矩阵展平为向量，将预测类概率的3D张量展平为矩阵，然后使用内置函数

cost = T.nnet.categorical_crossentropy(
    Y.reshape((Y.shape[0] * Y.shape[1], X.shape[2])),
    X.flatten())

可能需要首先调整

Y

中的条目顺序（例如，通过

dimshuffle

），以确保要比较的矩阵和向量中的条目相互对应

这里我们假设，正如问题所暗示的，序列没有填充——它们的长度都是

L

元素。如果序列实际上是填充的，那么您可能需要执行更复杂的操作，以避免在填充区域内计算成本元素