C++ Eigen 库中的 argmax(） 方法

argmax() method in C++ Eigen Library

本文关键字：方法 argmax Eigen C++      更新时间：2023-10-16

我正在使用Eigen库进行矩阵/张量计算，我想返回沿深度轴的最大值的索引。类似于 numpy.argmax(( 在 Python 中所做的。

张量维数如下： (行 = 200，列 = 200，深度 = 4(

#include <Eigen/Dense>
int main(){
Eigen::Tensor<double, 3> table(4,200,200);
table.setRandom();
// How can I do this task for axis = 2, i.e depth of a tensor?
// int max_axis = table.argmax(ax=2); 
return 0;
}

Eigen的张量库有一个argmin/argmax成员函数，不幸的是，该函数目前没有记录在 https://eigen.tuxfamily.org/dox/unsupported/eigen_tensors.html 上。

Eigen的矩阵库可以通过minCoeff/maxCoeff的访问者重载来模仿相同的行为。请参阅：https://eigen.tuxfamily.org/dox/group__TutorialReductionsVisitorsBroadcasting.html

#include <Eigen/Dense>
#include <unsupported/Eigen/CXX11/Tensor>
#include <iostream>
#define STR_(x)  #x
#define STR(x)  STR_(x)
#define PRINT(x)  std::cout << STR(x) << ":n" << (x) << std::endl
int main()
{
using namespace Eigen;
using T = int;
using S = Sizes<2, 3>;
S const sizes{};
T constexpr data[S::total_size]{
8, 4,
1, 6,
9, 2,
};
Map<MatrixX<T> const> const matrix(data, sizes[0], sizes[1]);
PRINT(matrix);
RowVector2<Index> argmax{};
matrix.maxCoeff(&argmax.x(), &argmax.y());
PRINT(argmax);
VectorX<Index> argmax0{matrix.cols()};
for (Index col = 0; col < matrix.cols(); ++col)
matrix.col(col).maxCoeff(&argmax0[col]);
PRINT(argmax0);
VectorX<Index> argmax1{matrix.rows()};
for (Index row = 0; row < matrix.rows(); ++row)
matrix.row(row).maxCoeff(&argmax1[row]);
PRINT(argmax1);
TensorMap<Tensor<T const, S::count>> const tensor(data, sizes);
PRINT(tensor);
PRINT(tensor.argmax());
PRINT(tensor.argmax(0));
PRINT(tensor.argmax(1));
// Note that tensor.argmax() is the index for a 1D view of the data:
Index const matrix_index = sizes.IndexOfColMajor(std::array{argmax.x(), argmax.y()});
Index const tensor_index = Tensor<Index, 0>{tensor.argmax()}();
PRINT(matrix_index == tensor_index);
}

输出：

matrix:
8 1 9
4 6 2
argmax:
0 2
argmax0:
0
1
0
argmax1:
2
1
tensor:
8 1 9
4 6 2
tensor.argmax():
4
tensor.argmax(0):
0
1
0
tensor.argmax(1):
2
1
matrix_index == tensor_index:
1

老实说，这是一个迂回的交叉路口，而不是问题本身的令人满意的答案。尽管如此，以下方法确实对我有用。

我在特征库中找不到我想要的东西。相反，我切换到犰狳库，它与具有用户友好 API 的 numpy 非常相似。此外，相对而言，犰狳对于来自Python或Matlab背景的人来说更容易理解。

在犰狳中，找到argmax非常简单，如下所示： (在所有深度轴上查找第二行和第二列的 argmax(

arma::Cube<double> A(200, 200, 4, arma::fill::randu);
uword i = A(arma::span(1),  arma::span(1), arma::span::all).index_max();

特征代码库中的这个测试套件有几个跨轴子集执行缩减的示例。

这是一种似乎有效的方法：

std::array<int, 1> reduce_dims{2};                                            
Eigen::Tensor<Eigen::Tuple<Eigen::Index, double>, 2> reduced =                 
table.index_tuples().reduce(reduce_dims,                                  
Eigen::internal::ArgMaxTupleReducer<          
Eigen::Tuple<Eigen::Index, double> >());

reduce_dims指定应减少的轴列表(在本例中为仅通道(。 返回的张量包含"线性"索引和最大值本身，因此要提取实际的通道索引，您可能需要迭代张量：

for (int c = 0; c < reduced.dimension(1); ++c) {                                 
for (int r = 0; r < reduced.dimension(0); ++r) {                            
Eigen::Index argmax_channel_index =                                       
reduced(r, c).first / (table.dimension(0) * table.dimension(1));      
std::cout << "argmax channel: " << argmax_channel_index << " "            
<< "max: " << reduced(r, c).second << std::endl;                
}                 
}
相关文章：