主页 / 问题 / 1598510
Accepted
Тима
Asked:2024-11-01 21:19:38 +0000 UTC2024-11-01 21:19:38 +0000 UTC

为什么 numpy 对于魔术方法的工作方式不同

  • 772
class Tensor:

    def __init__(self, value, requires_grad=False, local_gradients=None):
        self.value = value

    def __add__(self, other):
        print("adding")
        other = other if isinstance(other, Tensor) else Tensor(other)
        value = self.value + other.value
        return Tensor(value)

    def __radd__(self, other):
        print("radding")
        other = other if isinstance(other, Tensor) else Tensor(other)
        value = self.value + other.value
        return Tensor(value)

    @staticmethod
    def ones(shape):
        return Tensor(np.ones(shape))


a = np.random.randn(4, 3, 2, 1)
b = Tensor.ones((3, 2, 1))
b + a
a + b

我们得到以下结论

adding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding
radding

我们看到__add__它被执行了一次。正如我想要的那样。但是__radd__它被执行了 24 次（数组中有 24 个元素），所以它似乎是__radd__逐个元素地执行的。这不是我们所期望的。有什么方法可以纠正这种行为吗？

python

2 个回答

  1. object1 + object2

    要点是，只有在方法y未定义时才会调用方法__radd__y 。它显然是以这样一种方式定义的：它只是尝试将其张量的每个元素添加到您的对象中，为此使用张量的每个单独元素来调用它。object2__add__object1Numpyobject1object2__radd__object1

    他们用英文SO写道，如果您继承np.ndarray并覆盖该方法，就可以克服这个问题__add__，但对我来说，这个方案并没有立即起作用，我需要弄清楚。

    • 4
  2. Best Answer

    诀窍是只有当该方法抛出异常__radd__时才会被调用。但是，例如，看看您的实现：您是否抛出异常？不，您的加法方法正在尝试将右侧参数转换为所需的类型。因此，在张量位于左侧的表达式中，右侧操作数的radd方法将永远不会被调用。__add__NotImplemented__add__

    ndarray在同一件事的情况下。该方法ndarray.__add__尝试通过调用从正确的操作数构造一个数组np.asarray()。该函数要么构造对象ndarray，要么返回原样的对象。对于张量，会出现第二种情况 - 它按原样返回。该函数ndarray.__add__发现右侧操作数不是数组，并执行数组标量加法，即将数组的每个元素与张量相加。

    由于,float没有加法运算Tensor。Tensor.__radd__

    下面是一个稍加修改的加法实现，显示操作数的类型：

    import numpy as np

class Tensor:

    def __init__(self, value, requires_grad=False, local_gradients=None):
        self.value = value

    def __add__(self, other):
        print(f"adding: {type(self)} + {type(other)}")
        other = other if isinstance(other, Tensor) else Tensor(other)
        value = self.value + other.value
        return Tensor(value)

    def __radd__(self, other):
        print(f"radding: {type(other)} + {type(self)}")
        other = other if isinstance(other, Tensor) else Tensor(other)
        value = self.value + other.value
        return Tensor(value)

    @staticmethod
    def ones(shape):
        return Tensor(np.ones(shape))


a = np.random.randn(4, 3, 2, 1)
b = Tensor.ones((3, 2, 1))
b + a
a + b

    我们得到：

    adding: <class '__main__.Tensor'> + <class 'numpy.ndarray'>
radding: <class 'float'> + <class '__main__.Tensor'>
radding: <class 'float'> + <class '__main__.Tensor'>
.
.
.

    事实证明，numpy它将你的张量解释为标量，并执行添加标量的操作，即逐元素加法。

    恕我直言，你对此无能为力。因此，如果要对数组进行向量运算，则需要先放置张量。

    我根本不会重载该运算符+，但这样做Tensor.add_array(a)是为了不意外地混淆操作数的顺序，并且在几个小时内都不会捕获错误。

    • 3

相关问题