如何在不使用扫描的情况下在Theano中堆叠矢量？

发布时间：2020-12-20 13:44:04 所属栏目：Python 来源：网络整理

导读：我使用theano.scan创建像这样的上下文的堆叠向量： Y_,scan_updates = theano.scan(fn=lambda *args,**kwargs: T.concatenate(args,axis=0),outputs_info=None,sequences=dict(input = Y_,taps=range(-left_ctx,right_ctx+1))) 扫描似乎很慢,这会减慢整个处

我使用theano.scan创建像这样的上下文的堆叠向量：

Y_,scan_updates = theano.scan(fn=lambda *args,**kwargs: T.concatenate(args,axis=0),outputs_info=None,sequences=dict(input = Y_,taps=range(-left_ctx,right_ctx+1)))

扫描似乎很慢,这会减慢整个处理过程.
在信号处理中,这是相当标准的操作,所以我考虑创建一个特殊的操作,就这样.
不幸的是,我还需要这个操作的GPU实现和毕业,这对我来说看起来像是一个很长的镜头.
你能踢我正确的方向吗？我已经阅读了扩展theano文档,但仍然没有帮助.

例：

的情况下

left_ctx=right_ctx=1

矩阵：

[[0.0,0.1],[1.0,1.1],[2.0,2.1],[3.0,3.1]]

将被转换为

[[0.0,0.1,1.0,1.1,2.0,2.1,3.0,3.1]]

谢谢
?

解决方法

所以这个问题可以通过这种方式解决.现在工作.

Y_= T.concatenate([Y_[c:Y_.shape[0]+c-left_ctx-right_ctx] for c in range(left_ctx+right_ctx+1)],axis=1)

（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!