for-loop – 在torch7中初始化张量的快速方法
发布时间:2020-12-14 21:48:03 所属栏目:大数据 来源:网络整理
导读:我需要在torch7中初始化具有索引相关函数的3D张量,即 func = function(i,j,k) --i,j is the index of an element in the tensor return i*j*k --do operations within func which're dependent of i,jend 然后我初始化一个像这样的3D张量A: for i=1,A:size(
我需要在torch7中初始化具有索引相关函数的3D张量,即
func = function(i,j,k) --i,j is the index of an element in the tensor return i*j*k --do operations within func which're dependent of i,j end 然后我初始化一个像这样的3D张量A: for i=1,A:size(1) do for j=1,A:size(2) do for k=1,A:size(3) do A[{i,k}] = func(i,k) end end end 但是这段代码运行得非常慢,我发现它占总运行时间的92%.有没有更有效的方法来初始化火炬7中的3D张量? 解决方法
请参阅
Tensor:apply 的文档
docs中的示例基于其索引i(在内存中)初始化2D数组.下面是3维的扩展示例,低于N-D张量的扩展示例.在我的机器上使用apply方法要快得多: require 'torch' A = torch.Tensor(100,100,1000) B = torch.Tensor(100,1000) function func(i,k) return i*j*k end t = os.clock() for i=1,k}] = i * j * k end end end print("Original time:",os.difftime(os.clock(),t)) t = os.clock() function forindices(A,func) local i = 1 local j = 1 local k = 0 local d3 = A:size(3) local d2 = A:size(2) return function() k = k + 1 if k > d3 then k = 1 j = j + 1 if j > d2 then j = 1 i = i + 1 end end return func(i,k) end end B:apply(forindices(A,func)) print("Apply method:",t)) 编辑 这适用于任何Tensor对象: function tabulate(A,f) local idx = {} local ndims = A:dim() local dim = A:size() idx[ndims] = 0 for i=1,(ndims - 1) do idx[i] = 1 end return A:apply(function() for i=ndims,-1 do idx[i] = idx[i] + 1 if idx[i] <= dim[i] then break end idx[i] = 1 end return f(unpack(idx)) end) end -- usage for 3D case. tabulate(A,function(i,k) return i * j * k end) (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |