の対称性を利用して、Bは、それは小さなnumpyの配列で構成され、Aは、さまざまな方法でひっくり返さ：は、大規模な配列を作りたい大numpyのアレイ
B[0,:,:,:,:] = A
B[1,:,:,:,:] = B[0,:,::-1,:,:]
B[2:4,:,:,:,:] = B[0:2,:,:,::-1,:]
B[4:8,:,:,:,:] = B[0:4,:,:,:,::-1]
は唯一の店舗Aに方法はありますメモリが、Bのためのnumpy配列の機能のいくつかを保つか？私は二つのことで、主に興味があった：
私がやってしまった何を作成しましたAの任意に反映された部分のビューを返すクラスです。私はこのビューを返すと、現在は十分に速かったように、Cによるスケーリングと合計を行っていました。これはエラーチェックなしです：
class SymmetricArray:
'''
Attributes:
A (np.ndarray): an [m, (a,b,c...)] array.
idx (np.ndarray): an [n,] array where idx[n] points to A[idx[n], ...]
to be used.
reflect (np.ndarray): an [n, d] array where every entry is 1 or -1 and
reflect[n, i] indicates whether or not the ith dimension of
A[idx[n], ...] should be reflected, and d = len(A.shape - 1).
'''
def __init__(self, A, idx, reflect):
self.A = np.asarray(A)
self.idx = np.asarray(idx, dtype=int)
self.reflect = np.asarray(reflect, dtype=int)
def __getitem__(self, ii):
'''
Returns:
np.ndarray: appropriately reflected A[idx[ii], ...]
'''
a_mask = [slice(None, None, a) for a in self.reflect[ii, :]]
return self.A[self.idx[ii], ...][a_mask]
どのような機能が必要ですか？広い範囲の操作はあなたの対称性を損なう可能性があります（したがって、対称性を利用することで得られる利益）。 – mgilson
2次元の場合、ブロック行列の概念があります。マトリックスの一部に対する特定の演算を実行し、それらの演算の結果をキャッシュする。したがって、個々のブロックで操作を結合すると、それらを一度実行して、キャッシュされたバージョンを使用することができます。私はテンソルにいくつかの一般化があると確信していますが、あなたはいくつかの研究をする必要があります。ですから、これは確かに可能ですが、@ mgilsonが指摘するように、それは特定の操作にのみ役立ちます。 –
@mgilson、あなたが正しいので、私が探していた主な機能で質問を更新しました。 – dfreese