python - 如何有效地扩展 numpy 中的分解张量？

Question

我有一个 3D 张量，分解为三个 2D 矩阵，如本文中的方程 22:http://www.iro.umontreal.ca/~memisevr/pubs/pami_relational.pdf

我的问题是，如果我想显式计算张量，numpy 中是否有比这更好的方法？

W = np.zeros((100,100,100))
for i in range(100):
    for j in range(100):
        for k in range(100):
            W[i,j,k] = np.sum([wxf[i,f]*wyf[j,f]*wzf[k,f] for f in range(100)]) 

Answer 1

我倾向于使用einsum对于这些东西，只是因为它通常是最容易编写的:

def fast(wxf, wyf, wzf):
    return np.einsum('if,jf,kf->ijk', wxf, wyf, wzf)

def slow(wxf, wyf, wzf):
    N = len(wxf)
    W = np.zeros((N, N, N))
    for i in range(N):
        for j in range(N):
            for k in range(N):
                W[i,j,k] = np.sum([wxf[i,f]*wyf[j,f]*wzf[k,f] for f in range(N)]) 
    return W

def gen_ws(N):
    wxf = np.random.random((N,N))
    wyf = np.random.random((N,N))
    wzf = np.random.random((N,N))
    return wxf, wyf, wzf

给出

>>> ws = gen_ws(25)
>>> via_slow = slow(*ws)
>>> via_fast = fast(*ws)
>>> np.allclose(via_slow, via_fast)
True

和

>>> ws = gen_ws(100)
>>> %timeit fast(*ws)
10 loops, best of 3: 91.6 ms per loop