将numpy数组设置为切片而不进行任何就地操作

Question

如何在没有任何就地操作的情况下有效地执行此操作？

n_id = np.random.choice(np.arange(2708), size=100)
z = np.random.rand(100, 64)
z_sparse = np.zeros((2708,64))
z_sparse[n_id[:100]] = z

基本上，我希望z_sparse的n_id行包含z的行，但是我无法执行任何就地操作，因为我的最终目标是在pytorch问题中使用它。

尽管一个方法是在z内精确创建零行，以使z的行最终位于n_id的位置，但不确定如何有效地工作。

z的第1行应该放置在n_id[0]的第z_sparse行，然后z的第2行应该放置在n_id[1]的z_sparse行，依此类推...

这是您很好奇的PyTorch错误jic：RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation

Answer 1

如果n_id是固定索引数组，则可以将z_sparse作为矩阵乘法：

# N, n, m = 2078,100, 64
row_mat = (n_id[:n] == np.arange(N)[:,None])

# for pytorch tensor
# row_mat = Tensor(n_id[:n] == np.arange(N)[:,None])

z_sparse =  row_mat @ z

由于row_mat是一个常数数组（张量），所以您的图形应该可以正常工作。