将 numpy 数组设置为切片，无需任何就地操作答案

【问题标题】：Setting numpy array to slice without any in-place operations将 numpy 数组设置为切片，无需任何就地操作
【发布时间】：2020-09-16 11:08:01
【问题描述】：

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，但我不能执行任何就地操作，因为我的最终目标是在 pytorch 问题中使用它。

其中一种方法是在 z 中精确地创建零行，以便 z 的行最终位于位置 n_id，但不确定这将如何有效地工作。

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

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

【问题讨论】：

我很确定 pytorch 支持就地操作。
@user2357112supportsMonica 不在你的计算图中 - 它破坏了图
n_id 是固定张量吗？
@QuangHoang 是的。
只是好奇，你需要在你的图表中，或者你能把所有这些都放在with torch.no_grad():

标签： python numpy pytorch sparse-matrix in-place

【解决方案1】：

如果n_id是固定索引数组，则可以得到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 是一个常量数组（张量），您的图表应该可以正常工作。

【讨论】：

非常有创意的答案
您介意解释一下[:, None] 切片的作用吗？
@Guimute 那叫broadcasting。和.reshape(-1,1)有点等价。