jax.numpy.compress#

jax.numpy.compress(condition, a, axis=None, *, size=None, fill_value=0, out=None)[source]#

使用布尔条件沿给定轴压缩数组。

JAX 实现的 numpy.compress()。

参数:

  • condition (ArrayLike) – 1 维条件数组。将被转换为布尔值。

  • a (ArrayLike) – N 维数值数组。

  • axis (int | None | None) – 压缩的轴。如果为 None (默认)，则 a 将被展平，并且轴将被设置为 0。

  • size (int | None | None) – 输出的可选静态大小。必须指定，以便 compress 与 JAX 转换（如 jit() 或 vmap()）兼容。

  • fill_value (ArrayLike) – 如果指定了 size，则用此值填充填充的条目（默认值：0）。

  • out (None | None) – JAX 未实现。

返回:

沿指定轴压缩的 a.ndim 维数组。

返回类型:

数组

另请参阅

笔记

此函数不需要 condition 和 a 之间严格的形状一致性。如果 condition.size > a.shape[axis]，则 condition 将被截断；如果 a.shape[axis] > condition.size，则 a 将被截断。

示例

沿 2D 数组的行压缩

>>> a = jnp.array([[1,  2,  3,  4],
...                [5,  6,  7,  8],
...                [9,  10, 11, 12]])
>>> condition = jnp.array([True, False, True])
>>> jnp.compress(condition, a, axis=0)
Array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]], dtype=int32)

为方便起见，可以等效地使用 JAX 数组的 compress() 方法

>>> a.compress(condition, axis=0)
Array([[ 1,  2,  3,  4],
       [ 9, 10, 11, 12]], dtype=int32)

请注意，条件不需要匹配指定轴的形状；这里我们使用长度为 3 的条件压缩列。超出条件大小的值将被忽略

>>> jnp.compress(condition, a, axis=1)
Array([[ 1,  3],
       [ 5,  7],
       [ 9, 11]], dtype=int32)

可选的 size 参数允许您指定静态输出大小，以便输出是静态形状的，因此此函数可以与诸如 jit() 和 vmap() 之类的变换一起使用

>>> f = lambda c, a: jnp.extract(c, a, size=len(a), fill_value=0)
>>> mask = (a % 3 == 0)
>>> jax.vmap(f)(mask, a)
Array([[ 3,  0,  0,  0],
       [ 6,  0,  0,  0],
       [ 9, 12,  0,  0]], dtype=int32)