Python numpy.einsum中的省略号广播
我无法理解为什么以下各项不起作用: 我有一个数组前置因子,可以是三维的,也可以是六维的。 我有一个四维的阵列偶极子。偶极子的前三个维度与前因子的后三个维度相匹配 由于我不知道前置因子的形状,我使用省略号来解释前置因子中的三个可选维度: (在这里的示例中,prefactor.shape是(1,1,1,160,160,128),dipoles.shape是(160,160,128,3)。执行时,我得到错误: 操作数1没有足够的维数来匹配广播,并且无法扩展,因为在开始和结束时都指定了einstein和下标 但是,当我在第二个术语中添加省略号时,它也会起作用:Python numpy.einsum中的省略号广播,python,numpy,ellipsis,array-broadcasting,numpy-einsum,Python,Numpy,Ellipsis,Array Broadcasting,Numpy Einsum,我无法理解为什么以下各项不起作用: 我有一个数组前置因子,可以是三维的,也可以是六维的。 我有一个四维的阵列偶极子。偶极子的前三个维度与前因子的后三个维度相匹配 由于我不知道前置因子的形状,我使用省略号来解释前置因子中的三个可选维度: (在这里的示例中,prefactor.shape是(1,1,1,160,160,128),dipoles.shape是(160,160,128,3)。执行时,我得到错误: 操作数1没有足够的维数来匹配广播,并且无法扩展,因为在开始和结束时都指定了einstein和
numpy.einsum('...lmn,...lmno->...o', prefactor, dipoles)
只是我不明白为什么,因为这里不需要省略号。有人知道这里发生了什么吗
在上提出了相同的问题,但还没有令人满意的答案。此问题存在github问题: einsum(Trac#1862)索引表示法的改进 错误案例:
einsum('ij...,j->ij...',A,B)
当前解决方案需要(空)省略号:
einsum('ij…,j…->ij…',A,B)
它看起来像是einsum
多次遍历字符串参数和ops,识别索引和广播类型(右、左、中、无),和op维度。使用此函数,它将构造一个numpy.nditer
。在为nditer构造op\u轴时,einsum
会引发此错误。我不知道测试标准是否过紧(ibroadcast>=ndim
),或者如果需要采取额外步骤来构造此参数的右op_轴
显示如何使用nditer
复制einsum
行为。通过此操作,我可以复制您的计算,因此:
prefactor = np.random.random((1, 1, 1, 160, 160, 128))
dipoles = np.random.random((160, 160, 128, 3))
x = numpy.einsum('...lmn,...lmno->...o', prefactor, dipoles)
#numpy.einsum('...lmn,lmno->...o', prefactor, dipoles) # not work
op_axes = [[0,1,2,3,4,5,-1], [-1,-1,-1,0,1,2,3], [0,1,2,-1,-1,-1,3]]
flags = ['reduce_ok','buffered', 'external_loop', 'delay_bufalloc', 'grow_inner']
op_flags = [['readonly']]*nops + [['allocate','readwrite']]
it = np.nditer([prefactor,dipoles,None], flags, op_flags, op_axes=op_axes)
it.operands[nops][...] = 0
it.reset()
#it.debug_print()
for (x,y,w) in it:
w[...] += x*y
print "\nnditer usage:"
print it.operands[nops] # == x
print it.operands[nops].shape # (1, 1, 1, 3)
op\u轴
线表示einsum
从“…lmn,…lmno->…o”
推断出的内容
我正在网上探讨这个问题
在那里我有一个einsum\u py.py
,它用Python代码模拟np.einsum
。与这个问题相关的部分是parse_subscripts()
,特别是prepare_op_axes()
。似乎只有正确地广播了
迭代(从末尾开始)需要正确创建op_轴
,而不管椭圆在下标中的位置。它还删除了此问题的核心错误消息
该存储库中的einsum.c.src
文件有此更改,并使用当前主发行版正确编译(只需替换文件并生成)。它可以根据test_einsum.py
以及本期中的示例进行良好测试
我已提交此更改的请求
prefactor = np.random.random((1, 1, 1, 160, 160, 128))
dipoles = np.random.random((160, 160, 128, 3))
x = numpy.einsum('...lmn,...lmno->...o', prefactor, dipoles)
#numpy.einsum('...lmn,lmno->...o', prefactor, dipoles) # not work
op_axes = [[0,1,2,3,4,5,-1], [-1,-1,-1,0,1,2,3], [0,1,2,-1,-1,-1,3]]
flags = ['reduce_ok','buffered', 'external_loop', 'delay_bufalloc', 'grow_inner']
op_flags = [['readonly']]*nops + [['allocate','readwrite']]
it = np.nditer([prefactor,dipoles,None], flags, op_flags, op_axes=op_axes)
it.operands[nops][...] = 0
it.reset()
#it.debug_print()
for (x,y,w) in it:
w[...] += x*y
print "\nnditer usage:"
print it.operands[nops] # == x
print it.operands[nops].shape # (1, 1, 1, 3)