有效扩展特征蒙版张量以匹配嵌入尺寸

如何解决有效扩展特征蒙版张量以匹配嵌入尺寸

我有一个 B （批量大小）乘以 F （特征计数） mask 张量spring.datasource.driver-class-name=com.MysqL.cj.jdbc.Driver spring.datasource.url = jdbc:MysqL://localhost:3306/football2020db spring.datasource.username = root spring.datasource.password = password spring.jpa.show-sql = true spring.jpa.hibernate.ddl-auto = update spring.jpa.properties.hibernate.dialect = org.hibernate.dialect.MysqL5Dialect ，喜欢对输入M应用（逐元素乘法）。

...事实是，我的x的原始特征列已转换为非恒定宽度的嵌入，因此其总尺寸为 B 用 E （嵌入式尺寸）。

我的代码草稿如下：

x

我的问题是：我在这里缺少任何明显的优化吗？这是for循环的正确方法吗？还是有一些更直接的方法来实现这一目标？

我可以控制嵌入过程，因此可以存储任何有用的表示形式，例如不受# Given something like: M = torch.Tensor([[0.2,0.8],[0.5,0.5],[0.6,0.4]]) # B=3,F=2 x = torch.Tensor([[1,2,3,4,5],[6,7,8,9,0],[11,12,13,14,15]]) # E=5 feature_sizes = [2,3] # (Feature 0 embedded to 2 cols,feature 1 to 3) # In forward() pass: components = [] for ix,size in enumerate(feature_sizes): components.append(M[:,ix].view(-1,1).expand(-1,size)) M_x = torch.cat(components,dim=1) # Now M_x is (B,E) and can be mapped with x > M_x = torch.Tensor([ > [0.2,0.4,2.4,3.6,4],> [3,3.5,4.5,> [6.6,7.2,5.2,5.6,6],> ]) 个整数列表的约束。

解决方法

Du，我忘了：索引操作可以做到这一点！

鉴于上述情况（但我将使用更复杂的feature_sizes进行更清晰地展示），我们可以使用类似以下内容的索引张量进行预计算：

# Given that:
feature_sizes = [1,3,1,2]

# Produce nested list e.g. [[0],[1,1],[2],[3,3]]:
ixs_per_feature = [[ix] * size for ix,size in enumerate(feature_sizes)]

# Flatten out into a vector e.g. [0,2,3]:
mask_ixs = torch.LongTensor(
    [item for sublist in ixs_per_feature for item in sublist]
)

# Now can directly produce M_x by indexing M:
M_x = M[:,mask_ixs]

通过使用此方法而不是for循环，我得到了适度的加速。