在 Julia 中删除单例维度

Question

只是在玩 Julia (1.0)，我需要在 Python/numpy/matlab 中经常使用的一件事是 squeeze 函数来删除单例维度。

我发现在 Julia 中执行此操作的一种方法是：

a = rand(3, 3, 1);
a = dropdims(a, dims = tuple(findall(size(a) .== 1)...))

第二行似乎有点繁琐，不容易立即阅读和解析（这也可能是我从其他语言中带来的偏见）。但是，我想知道这是否是 Julia 中执行此操作的规范方式？

Answer 1

这个问题的实际答案让我感到惊讶。您的问题可以改写为：

为什么dropdims(a) 不删除所有单件维度？

我将在这里引用relevant issue 的 Tim Holy：

squeeze(A) 不可能返回编译器的类型 可以推断---输入矩阵的大小是一个运行时变量，所以 编译器无法知道输出的维数 会有。所以它不可能给你想要的类型稳定性。

除了类型稳定性之外，您所写的内容还有其他一些令人惊讶的含义。例如，请注意：

julia> f(a) = dropdims(a, dims = tuple(findall(size(a) .== 1)...))
f (generic function with 1 method)

julia> f(rand(1,1,1))
0-dimensional Array{Float64,0}:
0.9939103383167442

总而言之，在Base Julia 中包含这样的方法会鼓励用户使用它，从而导致潜在的类型不稳定代码，在某些情况下不会很快（核心开发人员极力避免这种情况） .在 Python 等语言中，不强制执行严格的类型稳定性，因此您会发现这样的函数。

当然，没有什么能阻止您按照自己的方式定义自己的方法。而且我认为您不会找到一种更简单的编写方式。例如，Base 的命题没有实现是方法：

function squeeze(A::AbstractArray)
    singleton_dims = tuple((d for d in 1:ndims(A) if size(A, d) == 1)...)
    return squeeze(A, singleton_dims)
end

请注意使用它的潜在影响。

Answer 2

让我简单地补充一点，“不受控制的”dropdims（删除任何单一维度）是错误的常见来源。例如，假设您有一些循环从某个外部源请求数据数组A，并且您在其上运行R = sum(A, dims=2)，然后摆脱所有单例维度。但是假设在 10000 次中有一次，您的外部源返回 A，而 size(A, 1) 恰好是 1：繁荣，突然之间，您下降的维度超出了您的预期，并且可能有严重误解您的数据的风​​险。

如果您改为手动指定这些尺寸（例如，dropdims(R, dims=2)），那么您就不会受到此类错误的影响。

Answer 3

您可以去掉tuple 以使用逗号,：

dropdims(a, dims = (findall(size(a) .== 1)...,))

Answer 4

我对 Colin 的启示感到有些惊讶；依赖“重塑”的东西肯定是类型稳定的吗？ （另外，作为奖励，返回视图而不是副本）。

julia> function squeeze( A :: AbstractArray )
         keepdims = Tuple(i for i in size(A) if i != 1);
         return reshape( A, keepdims );
       end;

julia> a = randn(2,1,3,1,4,1,5,1,6,1,7);

julia> size( squeeze(a) )
(2, 3, 4, 5, 6, 7)

没有？