Python PyTorch中张量到切片的矢量化赋值

我正在尝试对表单的切片赋值进行矢量化

for i in range(a.shape[1]):
    for j in range(a.shape[2]):
        a[:,i,j,:,i:i+b.shape[2],j:j+b.shape[3]] = b

其中

b

本身是一个数组。这是因为嵌套Python循环效率太低，占用了大部分运行时。有办法做到这一点吗

对于一个简单的例子，考虑如下：

for i in range(a.shape[1]):
    a[:,i,:,i:i+b.shape[2]] = b

这就是

b

和

a

可能的样子：

---

您可以看到结果矩阵的对角线“滑动”结构。

假设

b

具有形状

（2,3，x1）

，而

a

具有形状

（2，x2-x1+1,3，x2）

。在您的屏幕截图中，我们可以推断

x1=4

，

x2=6

将numpy导入为np
b_形=（2,3,4）
a_形=（2,3,3,6）
b=np.arange（1,25）。重塑（b_形）
#数组（[[1,2,3,4]，
#        [ 5,  6,  7,  8],
#        [ 9, 10, 11, 12]],
#
#       [[13, 14, 15, 16],
#        [17, 18, 19, 20],
#        [21, 22, 23, 24]]])
c=np.pad（b，（*[（0,0）表示范围内的u（len（b_形[：-1]））]，（0，a_形[-1]-b_形[-1]），“常数”）
#数组（[[1,2,3,4,0,0]，
#        [ 5,  6,  7,  8,  0,  0],
#        [ 9, 10, 11, 12,  0,  0]],
#
#       [[13, 14, 15, 16,  0,  0],
#        [17, 18, 19, 20,  0,  0],
#        [21, 22, 23, 24,  0,  0]]])
a=np.堆栈（[np.滚动（c，移位=i）表示范围内的i（a_形[-1]-b_形[-1]+1）]，轴=1）
#数组（[[1,2,3,4,0,0]，
#          [ 5,  6,  7,  8,  0,  0],
#          [ 9, 10, 11, 12,  0,  0]],
#         [[ 0,  1,  2,  3,  4,  0],
#          [ 0,  5,  6,  7,  8,  0],
#          [ 0,  9, 10, 11, 12,  0]],
#         [[ 0,  0,  1,  2,  3,  4],
#          [ 0,  0,  5,  6,  7,  8],
#          [ 0,  0,  9, 10, 11, 12]]],
#        [[[13, 14, 15, 16,  0,  0],
#          [17, 18, 19, 20,  0,  0],
#          [21, 22, 23, 24,  0,  0]],
#         [[ 0, 13, 14, 15, 16,  0],
#          [ 0, 17, 18, 19, 20,  0],
#          [ 0, 21, 22, 23, 24,  0]],
#         [[ 0,  0, 13, 14, 15, 16],
#          [ 0,  0, 17, 18, 19, 20],
#          [ 0,  0, 21, 22, 23, 24]]]])

我们可以利用based将滑动窗口视图转换为

0s

填充版本的输入，并且作为一个视图将在内存和性能方面非常有效

因此，对于更简单的情况，它将是-

from skimage.util.shape import view_as_windows

def sliding_2D_windows(b, outshp_axis1):
    # outshp_axis1 is desired output's shape along axis=1
    n = outshp_axis1-1
    b1 = np.pad(b,((0,0),(0,0),(n,n)),'constant')
    w_shp = (1,b1.shape[1],b.shape[2]+n)
    return view_as_windows(b1,w_shp)[...,0,::-1,0,:,:]

样本运行-

In [192]: b
Out[192]: 
array([[[54, 57, 74, 77],
        [77, 19, 93, 31],
        [46, 97, 80, 98]],

       [[98, 22, 68, 75],
        [49, 97, 56, 98],
        [91, 47, 35, 87]]])

In [193]: sliding_2D_windows(b, outshp_axis1=3)
Out[193]: 
array([[[[54, 57, 74, 77,  0,  0],
         [77, 19, 93, 31,  0,  0],
         [46, 97, 80, 98,  0,  0]],

        [[ 0, 54, 57, 74, 77,  0],
         [ 0, 77, 19, 93, 31,  0],
         [ 0, 46, 97, 80, 98,  0]],

        [[ 0,  0, 54, 57, 74, 77],
         [ 0,  0, 77, 19, 93, 31],
         [ 0,  0, 46, 97, 80, 98]]],


       [[[98, 22, 68, 75,  0,  0],
         [49, 97, 56, 98,  0,  0],
         [91, 47, 35, 87,  0,  0]],

        ....

        [[ 0,  0, 98, 22, 68, 75],
         [ 0,  0, 49, 97, 56, 98],
         [ 0,  0, 91, 47, 35, 87]]]])

---

你能告诉我

a

和

b

@techytushar忘了提到

n

和

m

只是

a.shape[1]

和

a.shape[2]

（也就是说，它们所索引的维度的大小）。我已经编辑了这个问题。使用其中一个，而不是对一系列单元格进行（Python）赋值，这样会比较慢。例如，研究如下方法。如果您告诉我们更多有关您试图创建的阵列的信息，这会有所帮助：它有什么结构？三角形的稀疏的半稀疏？一块一块的矩形块？它有多大？@smci我添加了一个简单的单循环示例。通常

b

和

a

有多大？请给我们发一个使用随机数据的实际代码示例。不是截图，谢谢。不过，这不是仍然用于循环吗？是的，唯一的for循环用于

np.roll的不同移位。可能还有其他更好的方法。：）有没有一个版本可以适用于PyTorch张量？@user76284我对PyTorch区域不是很熟悉。所以，我不确定。@user76284 PyTorch是否有类似于NumPy的东西？如果是这样的话，那么应该是直截了当的。