如何在 python 中矢量化这个（numpy）操作？

Question

我有两个 shape 向量，(batch, dim)我试图将它们相减。目前，我正在使用一个简单的循环从 1 中减去error基于第二个向量（即label）的向量（即）中的特定条目：per_ts_loss=0for i, idx in enumerate(np.argmax(label, axis=1)):    error[i, idx] -=1    per_ts_loss += error[i, idx]我怎样才能矢量化这个？例如，错误和标签可能如下所示：error :array([[ 0.5488135   0.71518937  0.60276338  0.54488318  0.4236548 ]       [ 0.64589411  0.43758721  0.891773    0.96366276  0.38344152]])label:    array([[0, 0, 0, 1, 0 ],           [0, 1, 0, 0, 0]])对于此示例，运行以下代码会产生以下结果：for i, idx in enumerate(np.argmax(label,axis=1)):    error[i,idx] -=1    ls_loss += error[i,idx]结果 ：error:  [[ 0.5488135   0.71518937  0.60276338  0.54488318  0.4236548 ] [ 0.64589411  0.43758721  0.891773    0.96366276  0.38344152]]label:  [[ 0.  0.  0.  1.  0.] [ 0.  1.  0.  0.  0.]]error(indexes 3 and 1 are changed): [[ 0.5488135   0.71518937  0.60276338 -0.45511682  0.4236548 ] [ 0.64589411 -0.56241279  0.891773    0.96366276  0.38344152]]per_ts_loss:  -1.01752960574这是代码本身：https : //ideone.com/e1k8ra我被困在如何使用 的结果上np.argmax，因为结果是一个新的索引向量，它不能简单地像这样使用： error[:, np.argmax(label, axis=1)] -=1所以我被困在这里了！

Answer 1

代替：

error[:, np.argmax(label, axis=1)] -=1

和：

error[np.arange(error.shape[0]), np.argmax(label, axis=1)] -=1

而且当然

loss = error[np.arange(error.shape[0]), np.argmax(label, axis=1)].sum()

在您的示例中，您正在更改、求和、error[0,3]和error[1,1]，或简而言之error[[0,1],[3,1]]。

Answer 2

也许这个：

import numpy as np

error = np.array([[0.32783139, 0.29204386, 0.0572163 , 0.96162543, 0.8343454 ],

       [0.67308787, 0.27715222, 0.11738748, 0.091061  , 0.51806117]])

label= np.array([[0, 0, 0, 1, 0 ],

           [0, 1, 0, 0, 0]])

def f(error, label):

    per_ts_loss=0

    t=np.zeros(error.shape)

    argma=np.argmax(label, axis=1)

    t[[i for i in range(error.shape[0])],argma]=-1

    print(t)

    error+=t

    per_ts_loss += error[[i for i in range(error.shape[0])],argma]

f(error, label)

输出：

[[ 0.  0.  0. -1.  0.]

 [ 0. -1.  0.  0.  0.]]