Python 中 numpy einsum 的更快替代方案

Question

我正在尝试对一些张量执行以下操作。目前我正在使用 einsum，我想知道是否有一种方法（也许使用 dot 或 tensordot）可以让事情变得更快，因为我觉得我正在做的或多或少是一些外部和内部产品。

res1 = numpy.einsum('ij, kjh->ikjh', A, B)
res2 = np.einsum('ijk, jk->ij', C, D)

我尝试过使用tensordot和dot，由于某种原因，我无法找到设置轴的正确方法......

Answer 1

np.einsum

对于复杂问题已经很有效了。为了优化它，您可以使用纯 Python 循环或 NumPy 向量化函数进行向量化。或者，

optimal='best'

尝试选择最佳的收缩算法，但它可能有点挑剔。请务必对其进行验证，以确保它为您提供最佳性能。

如果您打算使用其他方法，

np.tensordot

非常适合涉及收缩的操作（通过在指定轴上求和来减少维度）。与

einsum

相比，它可以更好地控制轴规格。您可以将其与

result = np.tensordot(A, B, axes=([axis1, axis2], [axis3, axis4]))

一起使用

或者，如果您的

einsum

运算涉及不带收缩的矩阵乘法（跨特定轴的元素求和），则

np.matmul

可以作为替代方案。您可以将其与

result = np.matmul(A, B)

一起使用

您还可以尝试使用

SciPy

、

TensorFlow

、

PyTorch

。