大量元素比較

Question

我正在嘗試做這樣的事情：

I[ xr1,c1 > xr2,c2 ]

其中R _{I，C I∈{0,1,2，...，N}}是行和列索引，分別與I [·]是一個指標函數，其值是1，如果條件為真，否則為0 。

我無法進行此設置。 我可以通過以下方法輕松地遍歷所有內容 ：

for r1 in range(0,n):
    for c1 in range(0,n):
        for r2 in range(0,n):
            for c2 in range(0,n):
                #do something with (r1,c1,r2,c2)

但是，我正在嘗試對這些代碼進行矢量化處理，以提高效率並進行一次比較。 我怎樣才能做到這一點？ 我正在使用numpy 。

---

說明更新：

我正在訓練一個簡單的微笑分類器，其分析灰度圖像的x∈R ^24×24，並輸出預測塊y∈{0,1}，指示圖像是否是微笑（1）或否（0）。 分類器將根據輸入圖像的非常簡單的特征（包括像素值之間的二進制比較）做出決策。

每個特征的計算公式如下：

I[ xr1,c1 > xr2,c2 ]

其中R _{I，C I∈{0,1,2，...，N}}是行和列索引，分別與I [·]是一個指標函數，其值是1，如果條件為真，否則為0 。 （假設已定義n）

根據我到目前為止提到的內容，我正在嘗試為5個功能訓練一個整體的微笑分類。 如果認為圖像正在微笑，則合奏的輸出為1，否則為0。 這由整個5個成員的平均預測確定。 如果5個整體預測變量中有超過一半的人認為圖像在微笑，則整體表示微笑。 否則，合奏表示它沒有微笑。

這就是我想要做的：

在每輪j上，我要選擇第j個特征（r1，c1，r2，c2），以便–將其添加到已選擇的j-1個特征集合中時–總體分類器在訓練集最大化。 更具體地說，在每個回合j，如果當前元組是最好的（對於回合j），我正在考慮每個可能的像素位置元組（r1，c1，r2，c2），然后將其保存為我的“迄今為止最好的”代表第j輪。 如果沒有，我會忽略它。 然后，我繼續到下一個可能的像素位置元組，並重復直到搜索完所有像素為止。 在第j輪結束時，我將為該輪選擇最佳功能，並將其添加到我選擇的功能集中。 一旦添加，它將永久保留在集合中–永遠無法刪除。 （否則，根本就不會是達成共識的算法。）然后我繼續進行j + 1輪，直到您完成了所有5輪回合。

我不需要整個事情的幫助。 我只是在尋找一種矢量化代碼的方法，而不必使用嵌套的循環

Answer 1

利用廣播 ：

first = np.reshape(array, (*array.shape, 1, 1))
second = np.reshape(array, (1, 1, *array.shape))

result = (first > second)

或者，我們可以使用np.greater.outer ，它對元素的每個唯一排列執行大於比較：

result = np.greater.outer(array, array)

這將產生一個np.ndarray形狀(*array.shape, *array.shape)其中result[r1, c1, r2, c2]是你想要的值。

例：

array = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])

first = np.reshape(array, (*array.shape, 1, 1))
second = np.reshape(array, (1, 1, *array.shape))

result = (first > second)

print(result[0, 0, 1, 1]) # 1 > 6
print(result[1, 1, 0, 1]) # 6 > 2
print(result[0, 3, 0, 2]) # 3 > 2

輸出：

False
True
True