如何解决PyTorch相当于numpy重塑函数
嗨,我拥有这些功能,可以将我的复杂类型数据展平以将其输入到NN并将NN预测重构为原始形式。
def flatten_input64(Input): #convert (:,4,2) complex matrix to (:,64) real vector
Input1 = Input.reshape(-1,32,order='F')
Input_vector=np.zeros([19957,64],dtype = np.float64)
Input_vector[:,0:32] = Input1.real
Input_vector[:,32:64] = Input1.imag
return Input_vector
def convert_output64(Output): #convert (:,64) real vector to (:,2) complex matrix
Output1 = Output[:,0:32] + 1j * Output[:,32:64]
output_matrix = Output1.reshape(-1,2,order = 'F')
return output_matrix
我正在编写自定义损失,要求所有操作都必须进行割炬操作,我应该在PyTorch中重写转换函数。问题在于PyTorch没有“ F”顺序重塑。我试图编写自己的F重新排序版本,但是它不起作用。 你知道我的错误是什么吗?
def convert_output64_torch(input):
# number_of_samples = defined
for i in range(0,number_of_samples):
Output1 = input[i,0:32] + 1j * input[i,32:64]
Output2 = Output1.view(-1,2).permute(3,1,0)
if i == 0:
Output3 = Output2
else:
Output3 = torch.cat((Output3,Output2),0)
return Output3
更新:在@a_guest注释之后,我尝试通过转置和整形来重新创建矩阵,并且使此代码的工作方式与numy中的F次序整形相同。
def convert_output64_torch(input):
Output1 = input[:,0:32] + 1j * input[:,32:64]
shape = (-1,2)
Output3 = torch.transpose(torch.transpose(torch.reshape(torch.transpose(Output1,1),shape[::-1]),2),3)
return Output3
解决方法
在Numpy和PyTorch中,都可以通过以下操作获得等效项:a.T.reshape(shape[::-1]).T
(其中a
是数组或张量):
>>> a = np.arange(16).reshape(4,4)
>>> a
array([[ 0,1,2,3],[ 4,5,6,7],[ 8,9,10,11],[12,13,14,15]])
>>> shape = (2,8)
>>> a.reshape(shape,order='F')
array([[ 0,8,3,12,7,15]])
>>> a.T.reshape(shape[::-1]).T
array([[ 0,15]])
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。