加快numpy整数数组索引的深度

Question

假设我有一个数组

 [[0 2 1]
  [1 0 1]
  [2 1 1]]

我想将它转换为形式的张量

[[[1 0 0]
  [0 1 0]
  [0 0 0]]
 [[0 0 1]
  [1 0 1]
  [0 1 1]]
 [[0 1 0]
  [0 0 0]
  [1 0 0]]]

其中每个深度层(索引i)是二进制掩码,i显示输入中出现的位置.

我已经为此编写了正确的代码,但对于任何使用都太慢了.我可以用另一个向量化操作替换此函数中的循环吗？

def im2segmap(im, depth):
    tensor = np.zeros((im.shape[0], im.shape[1], num_classes))

    for c in range(depth):
        rows, cols = np.argwhere(im==c).T
        tensor[c, rows, cols] = 1

    return tensor

Answer 1

使用broadcasting-

(a==np.arange(num_classes)[:,None,None]).astype(int)

或者与builtin外部比较 -

(np.equal.outer(range(num_classes),a)).astype(int)

使用uint8,如果你要使用的intD型或者保留boolean通过跳过int完全转化为进一步推动.

样品运行 -

In [42]: a = np.array([[0,2,1],[1,0,1],[2,1,1]])

In [43]: num_classes = 3 # or depth

In [44]: (a==np.arange(num_classes)[:,None,None]).astype(int)
Out[44]: 
array([[[1, 0, 0],
        [0, 1, 0],
        [0, 0, 0]],

       [[0, 0, 1],
        [1, 0, 1],
        [0, 1, 1]],

       [[0, 1, 0],
        [0, 0, 0],
        [1, 0, 0]]])

要使depth/num_classes第三个暗淡,扩展输入数组,然后与范围数组进行比较 -

(a[...,None]==np.arange(num_classes)).astype(int)
(np.equal.outer(im, range(num_classes))).astype(int)
(np.equal.outer(im, range(num_classes))).astype(np.uint8) # lower prec