5

torch7 のインデックス依存関数で 3D テンソルを初期化する必要があります。

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

次に、次のように 3D テンソル A を初期化します。

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

しかし、このコードの実行は非常に遅く、総実行時間の 92% を占めていることがわかりました。torch7 で 3D テンソルを初期化するより効率的な方法はありますか?

4

1 に答える 1

7

のドキュメントを参照してください。Tensor:apply

これらの関数は、メソッドが呼び出されるテンソルの各要素 (self) に関数を適用します。これらのメソッドは、Lua で for ループを使用するよりもはるかに高速です。

ドキュメントの例では、インデックス i (メモリ内) に基づいて 2D 配列を初期化します。以下は 3 次元の拡張例で、その下は ND テンソルの例です。apply メソッドを使用すると、私のマシンでははるかに高速になります。

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))

編集

これは、任意の Tensor オブジェクトに対して機能します。

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)
于 2015-05-31T17:51:03.243 に答える