Question

我需要在torch7中初始化具有索引相关函数的3D张量，即

func = function(i,j,k)  --i, j is the index of an element in the tensor
    return i*j*k        --do operations within func which're dependent of i, j
end

然后我像这样初始化3D张量A：

for i=1,A:size(1) do
    for j=1,A:size(2) do
        for k=1,A:size(3) do
            A[{i,j,k}] = func(i,j,k)
        end
    end
end

但是这段代码运行得非常慢，我发现它占用了总运行时间的92％。有没有更有效的方法来初始化torch7中的3D张量？

Answer 1

请参阅Tensor:apply

的文档

这些函数将一个函数应用于张量的每个元素该方法称为（自我）。这些方法要快得多在Lua中使用for循环。

docs中的示例基于其索引i（在内存中）初始化2D数组。下面是3维的扩展示例，低于N-D张量的扩展示例。在我的机器上使用apply方法很快，很多：

require 'torch'

A = torch.Tensor(100, 100, 1000)
B = torch.Tensor(100, 100, 1000)

function func(i,j,k) 
    return i*j*k    
end

t = os.clock()
for i=1,A:size(1) do
    for j=1,A:size(2) do
        for k=1,A:size(3) do
            A[{i, j, k}] = i * j * k
        end
    end
end
print("Original time:", os.difftime(os.clock(), t))

t = os.clock()
function forindices(A, func)
  local i = 1
  local j = 1
  local k = 0
  local d3 = A:size(3)
  local d2 = A:size(2) 
  return function()
    k = k + 1
    if k > d3 then
      k = 1
      j = j + 1
      if j > d2 then
        j = 1
        i = i + 1
      end
    end
    return func(i, j, k)
  end
end

B:apply(forindices(A, func))
print("Apply method:", os.difftime(os.clock(), t))

修改

这适用于任何Tensor对象：

function tabulate(A, f) local idx = {} local ndims = A:dim() local dim = A:size() idx[ndims] = 0 for i=1, (ndims - 1) do idx[i] = 1 end return A:apply(function() for i=ndims, 0, -1 do idx[i] = idx[i] + 1 if idx[i] <= dim[i] then break end idx[i] = 1 end return f(unpack(idx)) end) end -- usage for 3D case. tabulate(A, function(i, j, k) return i * j * k end)

在火炬7中初始化张量的快速方法

1 个答案: