python - 向量化numpy.einsum

我有以下四个张量

H(h，r)

A(a，r)

D(d，r)

T(a，t，r)

对于i中的每个a，都有一个对应的T[i]，其形状为(t, r)。

我需要执行np.einsum来产生以下结果(pred):

pred = np.einsum('hr, ar, dr, tr ->hadt', H, A, D, T[0])
for i in range(a):
    pred[:, i:i+1, :, :] = np.einsum('hr, ar, dr, tr ->HADT', H, A[i:i+1], D, T[i])

但是，我想在不使用for循环的情况下进行此计算。原因是我使用的autograd目前不适用于项目分配!

最佳答案

一种方法是对T使用所有尺寸-

np.einsum('Hr, Ar, Dr, ATr ->HADT', H, A, D, T)

因为我们需要在所有输入上求和减少axis-r，同时将所有其他(轴)保留在输出中，所以我看不到任何中间方法，也没有引入任何基于点的工具来利用BLAS 。

关于python - 向量化numpy.einsum，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/47582442/