einsum 표현식에 대한 가장 낮은 비용의 축소 순서를 얻으려면 Python에서 numpy.einsum+path() 메서드를 사용하십시오. 첫 번째 매개변수인 subscripts는 합계를 위한 아래 첨자를 지정합니다. 두 번째 매개변수인 피연산자는 연산의 배열입니다.
아인슈타인 합산 규칙을 사용하여 많은 일반적인 다차원 선형 대수 배열 연산을 간단한 방식으로 나타낼 수 있습니다. 암시적 모드에서 einsum은 이러한 값을 계산합니다.
명시적 모드에서 einsum은 합산을 과도하게 지정한 첨자 레이블을 비활성화하거나 강제 적용하여 고전적인 Einstein 합산 연산으로 간주되지 않을 수 있는 다른 배열 연산을 계산할 수 있는 유연성을 제공합니다.
결과 경로는 입력 축약의 어떤 용어를 먼저 축약해야 하는지를 나타내며, 이 축약의 결과는 축약 목록의 끝에 추가됩니다. 이 목록은 모든 중간 수축이 완료될 때까지 반복될 수 있습니다.
단계
먼저 필요한 라이브러리를 가져옵니다 -
import numpy as np
텐서 -
p = np.random.rand(2, 2) q = np.random.rand(2, 5) r = np.random.rand(5, 2)
einsum 표현식에 대한 가장 낮은 비용의 축소 순서를 얻으려면 numpy.einsum+path() 메서드를 사용하십시오 -
path_info = np.einsum_path('ij,jk,kl->il', p, q, r, optimize='greedy')
경로 정보 표시 -
print(path_info[0]) print(path_info[1])
예시
import numpy as np
np.random.seed(123)
# Tensors
p = np.random.rand(2, 2)
q = np.random.rand(2, 5)
r = np.random.rand(5, 2)
# To get the lowest cost contraction order for an einsum expression, use the numpy.einsum+path() method in Python
path_info = np.einsum_path('ij,jk,kl->il', p, q, r, optimize='greedy')
# Displaying Path info
print(path_info[0])
print(path_info[1]) 출력
['einsum_path', (1, 2), (0, 1)] Complete contraction: ij,jk,kl->il Naive scaling: 4 Optimized scaling: 3 Naive FLOP count: 1.200e+02 Optimized FLOP count: 5.700e+01 Theoretical speedup: 2.105 Largest intermediate: 4.000e+00 elements -------------------------------------------------------------------------- scaling current remaining -------------------------------------------------------------------------- 3 kl,jk->jl ij,jl->il 3 jl,ij->il il->il