相关疑难解决方法(0)

我有两个不同长度的二维张量，两者都是同一原始二维张量的不同子集，我想找到所有匹配的“行”，
例如

A = [[1,2,3],[4,5,6],[7,8,9],[3,3,3]
B = [[1,2,3],[7,8,9],[4,4,4]]
torch.2dintersect(A,B) -> [0,2] (the indecies of A that B also have)

我只看到 numpy 解决方案，使用 dtype 作为字典，并且不适用于 pytorch。

这是我在 numpy 中的做法

arr1 = edge_index_dense.numpy().view(np.int32)
arr2 = edge_index2_dense.numpy().view(np.int32)
arr1_view = arr1.view([('', arr1.dtype)] * arr1.shape[1])
arr2_view = arr2.view([('', arr2.dtype)] * arr2.shape[1])
intersected = np.intersect1d(arr1_view, arr2_view, return_indices=True)

我有两个非常大的numpy数组，它们都是3D的。我需要找到一种有效的方法来检查它们是否重叠，因为首先将它们都变成集合需要花费很长时间。我尝试使用在此找到的另一个解决方案来解决相同的问题，但适用于2D阵列，但是我没有设法使其适用于3D。这是2D解决方案：

nrows, ncols = A.shape
dtype={'names':['f{}'.format(i) for i in range(ndep)],
       'formats':ndep * [A.dtype]}
C = np.intersect1d(A.view(dtype).view(dtype), B.view(dtype).view(dtype))
# This last bit is optional if you're okay with "C" being a structured array...
C = C.view(A.dtype).reshape(-1, ndep)

（其中A和B是2D数组）我需要找到重叠的numpy数组的数量，而不是特定的数组。