三維矩陣的切片我有這些尺寸的三維基質,大約向量化獲得在MATLAB
A = rand(20, 1000, 20);
,其中第一和第三尺寸總是相同的長度。我想將主要對角切片中的元素歸零。這就是我的意思
for ii = 1:size(A, 1)
A(ii, :, ii) = 0;
end
是否有矢量化或更快的方式來做到這一點?該代碼運行大約100,000次,具有這些近似大小,但每次都不是完全相同的大小。
三維矩陣的切片我有這些尺寸的三維基質,大約向量化獲得在MATLAB
A = rand(20, 1000, 20);
,其中第一和第三尺寸總是相同的長度。我想將主要對角切片中的元素歸零。這就是我的意思
for ii = 1:size(A, 1)
A(ii, :, ii) = 0;
end
是否有矢量化或更快的方式來做到這一點?該代碼運行大約100,000次,具有這些近似大小,但每次都不是完全相同的大小。
您可以使用bsxfun
構建元件的線性指標將被歸零:
ind = bsxfun(@plus, (0:size(A,2)-1).'*size(A,1), 1:size(A,1)*size(A,2)+1:numel(A));
A(ind) = 0;
對於多個拖尾維度,您可以使用邏輯索引,而對所有先前維度單獨使用下標索引。通過這種方式,您可以輕鬆地在1000 20 20矩陣上進行操作。若要將此到您的矩陣,置換需要,這可能是緩慢:
n=size(A,3)
A=permute(A,[2,1,3]);
A(:,diag(true(n,1)))=0;
A=permute(A,[2,1,3]);
如果有可能永久交換A的尺寸在你的代碼,避免置換,這將導致最快的解決方案。
或者您可以使用repmat到索引擴展到的
ix=repmat(reshape(diag(true(n,1)),n,1,n),[1,size(A,2),1])
A(ix)=0
的尺寸,你可以保持IX同樣大小的矩陣。目前無法訪問MATLAB,我不知道哪種解決方案更快。
我現在測試了這些方法。他們慢得多。我想這是矢量化並不優越的地方之一。 – buzjwa
它運行10萬次,同樣的矩陣尺寸是多少? – Daniel
不完全。它在每個矩陣上運行〜100次,並且有〜1000個這樣的矩陣,大小略有不同。如果它們總是相同的大小,我會使用一個邏輯索引矩陣。 – buzjwa