本文简要介绍 python 语言中 numpy.einsum_path
的用法。
用法:
numpy.einsum_path(subscripts, *operands, optimize='greedy')
通过考虑中间数组的创建来评估 einsum 表达式的最低成本收缩顺序。
- subscripts: str
指定求和的下标。
- *operands: 数组 列表
这些是操作的数组。
- optimize: {布尔,列表,元组,‘greedy’, ‘optimal’}
选择路径类型。如果提供了元组,则假定第二个参数是创建的最大中间大小。如果仅提供一个参数,则最大输入或输出数组大小用作最大中间大小。
如果给出一个以
einsum_path
开头的列表,则使用它作为收缩路径如果 False 不进行优化
如果 True 默认为 ‘greedy’ 算法
‘optimal’ 一种算法,它组合探索所有可能的收缩列出张量的方法并选择成本最低的路径。与收缩中的项数成 index 关系。
‘greedy’ 在每一步选择最佳对收缩的算法。实际上,该算法在每一步搜索最大的内积、Hadamard 积,然后是外积。随收缩中的项数立方缩放。相当于大多数宫缩的‘optimal’ 路径。
默认为‘greedy’。
- path: 元组列表
einsum 路径的列表表示。
- string_repr: str
einsum 路径的可打印表示。
参数:
返回:
注意:
生成的路径指示应首先收缩输入收缩的哪些术语,然后将此收缩的结果附加到收缩列表的末尾。然后可以迭代此列表,直到完成所有中间收缩。
例子:
我们可以从一个链点示例开始。在这种情况下,最好首先收缩
b
和c
张量,如路径(1, 2)
的第一个元素所表示的那样。将得到的张量添加到收缩的末尾,然后完成剩余的收缩(0, 1)
。>>> np.random.seed(123) >>> a = np.random.rand(2, 2) >>> b = np.random.rand(2, 5) >>> c = np.random.rand(5, 2) >>> path_info = np.einsum_path('ij,jk,kl->il', a, b, c, optimize='greedy') >>> print(path_info[0]) ['einsum_path', (1, 2), (0, 1)] >>> print(path_info[1]) Complete contraction: ij,jk,kl->il # may vary Naive scaling: 4 Optimized scaling: 3 Naive FLOP count: 1.600e+02 Optimized FLOP count: 5.600e+01 Theoretical speedup: 2.857 Largest intermediate: 4.000e+00 elements ------------------------------------------------------------------------- scaling current remaining ------------------------------------------------------------------------- 3 kl,jk->jl ij,jl->il 3 jl,ij->il il->il
一个更复杂的索引转换示例。
>>> I = np.random.rand(10, 10, 10, 10) >>> C = np.random.rand(10, 10) >>> path_info = np.einsum_path('ea,fb,abcd,gc,hd->efgh', C, C, I, C, C, ... optimize='greedy')
>>> print(path_info[0]) ['einsum_path', (0, 2), (0, 3), (0, 2), (0, 1)] >>> print(path_info[1]) Complete contraction: ea,fb,abcd,gc,hd->efgh # may vary Naive scaling: 8 Optimized scaling: 5 Naive FLOP count: 8.000e+08 Optimized FLOP count: 8.000e+05 Theoretical speedup: 1000.000 Largest intermediate: 1.000e+04 elements -------------------------------------------------------------------------- scaling current remaining -------------------------------------------------------------------------- 5 abcd,ea->bcde fb,gc,hd,bcde->efgh 5 bcde,fb->cdef gc,hd,cdef->efgh 5 cdef,gc->defg hd,defg->efgh 5 defg,hd->efgh efgh->efgh
相关用法
- Python numpy einsum用法及代码示例
- Python numpy extract用法及代码示例
- Python numpy equal用法及代码示例
- Python numpy eye用法及代码示例
- Python numpy errstate用法及代码示例
- Python numpy expand_dims用法及代码示例
- Python numpy exp2用法及代码示例
- Python numpy exp用法及代码示例
- Python numpy expm1用法及代码示例
- Python numpy ediff1d用法及代码示例
- Python numpy empty用法及代码示例
- Python numpy empty_like用法及代码示例
- Python numpy RandomState.standard_exponential用法及代码示例
- Python numpy hamming用法及代码示例
- Python numpy legendre.legint用法及代码示例
- Python numpy chararray.ndim用法及代码示例
- Python numpy chebyshev.chebsub用法及代码示例
- Python numpy chararray.nbytes用法及代码示例
- Python numpy ma.indices用法及代码示例
- Python numpy matrix.A1用法及代码示例
- Python numpy MaskedArray.var用法及代码示例
- Python numpy ma.zeros用法及代码示例
- Python numpy broadcast用法及代码示例
- Python numpy matrix.T用法及代码示例
- Python numpy matrix.I用法及代码示例
注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.einsum_path。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。