다음과 같이 1차원 텐서 a, b가 주어졌다고 해 보자.
python
import torch
a = torch.LongTensor([1, 2, 3])
b = torch.LongTensor([2, 3, 1, 5])두 텐서 간 공통된 원소를 추출하려면(교집합) 어떻게 하면 될까?
Method 1 : NumPy의 np.intersect1d() 메소드 이용
NumPy에서 제공하는 np.intersect1d() 메소드를 이용할 수 있다.
python
import torch
import numpy as np
def getIntersection_Method1(a, b):
a = a.detach().cpu().numpy()
b = b.detach().cpu().numpy()
intersection = np.intersect1d(a, b)
return torch.from_numpy(intersection)- line 5, 6 : 전달받은 텐서
a,b를ndarrayNumPy 객체로 만든다. - line 8 :
np.intersect1d()메소드를 이용해 교집합을 구한다.
이 방법의 단점은 다음과 같다.
- NumPy 라이브러리를 import해야 한다.
- 텐서를 CPU로 옮겨와야 한다. CUDA에서 작업 불가. 느리다.[1]
Method 2 : PyTorch만으로 구현
NumPy를 사용하지 않고 PyTorch와 순수 파이썬 문법만을 이용해 다음과 같이 구현할 수도 있다.
python
import torch
def getIntersection_Method2(a, b):
indices = torch.zeros_like(a, dtype=torch.uint8)
for elem in b:
indices = indices | (a == elem).type(torch.uint8)
intersection = a[indices.type(torch.bool)]
return intersection- line 4 :
a와 같은 크기의 0으로 초기화된 1차원 텐서indices를 선언한다. - line 6~7 : 만약
a[i]가b의 원소라면indices[i]는 True(1)로 설정하고, 아니라면 False(0)으로 설정한다. - line 9 :
indices[i] == True(1)인i인덱스의a원소만 모아intersection텐서를 만든다.
이 방법의 단점은 다음과 같다.
- 파이썬의 반복문을 이용해 직접 모든 원소를 일일이 비교하는 방식이다 보니 느리다.[1:1]
- 중복된 원소를 제거하지 않는다.(
np.intersect1d()는 중복 원소를 자동으로 제거해준다.)
python
import torch
import numpy as np
a = torch.LongTensor([1, 2, 3, 1]) # 원소 1이 중복된다.
b = torch.LongTensor([2, 3, 1, 5])
print(getIntersection_Method1(a, b)) # tensor([1, 2, 3]) <- 중복 원소 1이 제거되어 1이 하나만 나온다.
print(getIntersection_Method2(a, b)) # tensor([1, 2, 3, 1]) <- 중복 원소 1이 제거되지 않아 1이 두 개 나온다.
Comments