ベクトル化形状<em>（2、n、m）は</em>の配列を指定指数

Question

の1次元配列を指定して3次元アレイからの2Dアレイの作成、X、インデックスのセット[I、J]I 、J < N、I形状の配列を取得しようとしている（2、m）の最初の配列がインデックスである [0、i]はと二番目の配列は、インデックス[1、j]はであります。これは、形状の配列（b、n、m）と長さbの一連のインデックスに一般化するためのテストケースです。

明らかにこの操作の選択肢はnp.chooseですが、これは予想外の動作です。最初の配列の行iと、2番目の配列の行jをペアにしたいとします。しかし、np.chooseを使用する場合（[I、J]を、X）、インデックスとアレイから np.choose対最初カラムアレイから2列目とを有するIj（以下のコードで見ることができます）形状の配列を取得する（n、m）。明らかにこのタスクはforループを使って簡単に実行できますが、ユースケース（反復が禁止されているテンソルのカスタム関数としてKeras内にあるため）ではできません。 Kerasのバックエンド関数またはNumpyを使用して、この操作をベクトル化した方法がありますか？私は現在、これを行うために "マップ"を使用して見て、私はそれを把握する場合は自分の答えで更新されます。

>>> import numpy as np 
>>> x = np.random.rand(2,4,2) 
>>> choices = [3,1] 
>>> np.choose(choices,x) 
    ValueError: invalid entry in choice array 
>>> np.choose([0,0],x) 
    #Returns an array with x[0,:,0] and x[0,:,1] in shape(4,2) 

Answer 1

IIUC、あなたがadvanced indexingを使用することができます。ここでは

はnp.chooseが（2、n、m）は配列の処理方法、あなたを示すコードスニペットです。例の場合：

import numpy as np 
x = np.random.randint(0,10,(2,4,3)) 

xです：今

[[[0 4 1] 
    [8 8 1] 
    [3 3 6] 
    [4 7 8]] 

[[7 1 2] 
    [5 9 9] 
    [0 4 0] 
    [7 8 3]]] 

x[[0,1],[3,1],:]は次のとおりです。

[[4 7 8] 
[5 9 9]] 

これは(b,m,n)問題に拡張することができます。

import numpy as np 
x = np.random.randint(0,10,(100,200,300)) 
choices= np.random.randint(0,200,(100)) 

def loop(): 
    res=np.empty((100,300),int) 
    for i in range(100): 
     res[i]=x[i,choices[i]] 
    return res  

そして、いくつかのパフォーマンステスト：タスク （抽出）メモリ配置を利用することはできませんので

In [30]: %timeit loop() 
10000 loops, best of 3: 140 µs per loop 

In [31]: %timeit x[arange(100),choices,:] 
10000 loops, best of 3: 23.7 µs per loop 

ここでインデックス方法は、ループよりもわずか6倍高速です。

最後に、ジャストインタイムコンパイルを使用してloop2=numba.njit(loop)でループを強化することができます。

In [32]: %timeit loop2() 
10000 loops, best of 3: 32 µs per loop 

これは、インデックス方法が最適であることを示しています。