Pytorch在二进制层面比较张量中的各行是否相同,并返回不相同的各行

代码实例:

python 复制代码
def unique(arr):
    # Finds unique rows in arr and return their indices
    arr = arr.cpu().numpy()
    arr_ = np.ascontiguousarray(arr).view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[1])))
    _, idxs = np.unique(arr_, return_index=True)
    if torch.cuda.is_available():
        return torch.LongTensor(np.sort(idxs)).cuda()
    return torch.LongTensor(np.sort(idxs))

在 NumPy 中,.view() 方法用于创建数组的新视图,而不实际复制底层数据。在这种情况下,.view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[1]))) 的目的是将数组 arr 转换为一个以字节为单位的视图,以便后续的操作更加灵活。

具体来说,这一行代码的操作步骤如下:

  1. np.ascontiguousarray(arr): 确保数组是按照内存中的顺序(C 风格)连续存储的,这对于后续的视图操作很重要。

  2. .view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[1]))): 创建一个新的视图,该视图将数组的每一行都视为一个字节块np.dtype((np.void, arr.dtype.itemsize * arr.shape[1]))定义了这个字节块的数据类型,其中 arr.dtype.itemsize * arr.shape[1] 表示每一行的总字节数。这样,整个数组被视为一个由字节块组成的虚拟类型数组。

  3. np.void 是 NumPy 中的数据类型,表示**"虚拟"类型**。它通常用于表示内存块,而不考虑具体的数据类型。在这里,np.void 被用于创建一个足够大的数据类型,以便能够容纳整个行数据

    在特定的上下文中,np.void 类型的一个实例可能包含多个数据类型的字段,但在这里它主要用于以字节的形式表示整个行的内容,而不考虑具体的数值类型。这使得在内存中视图上进行操作更加灵活,而不依赖于原始数据类型

这种方式的操作在某些情况下很有用,尤其是在处理复杂的数据结构或需要比较原始二进制数据时。在这里,可能是为了实现对行的快速唯一性检查,因为 .unique() 方法在处理复杂数据类型时可能会遇到一些问题。

相关推荐
2403_8757368713 分钟前
道品科技智慧农业中的自动气象检测站
网络·人工智能·智慧城市
海阔天空_201326 分钟前
Python pyautogui库:自动化操作的强大工具
运维·开发语言·python·青少年编程·自动化
零意@34 分钟前
ubuntu切换不同版本的python
windows·python·ubuntu
学术头条36 分钟前
AI 的「phone use」竟是这样练成的,清华、智谱团队发布 AutoGLM 技术报告
人工智能·科技·深度学习·语言模型
准橙考典38 分钟前
怎么能更好的通过驾考呢?
人工智能·笔记·自动驾驶·汽车·学习方法
ai_xiaogui41 分钟前
AIStarter教程:快速学会卸载AI项目【AI项目管理平台】
人工智能·ai作画·语音识别·ai写作·ai软件
思忖小下1 小时前
Python基础学习_01
python
孙同学要努力1 小时前
《深度学习》——深度学习基础知识(全连接神经网络)
人工智能·深度学习·神经网络
q567315231 小时前
在 Bash 中获取 Python 模块变量列
开发语言·python·bash
是萝卜干呀1 小时前
Backend - Python 爬取网页数据并保存在Excel文件中
python·excel·table·xlwt·爬取网页数据