topK算法經(jīng)常在各種功能中使用到,在python中,numpy等計算庫使用了豐富的底層優(yōu)化,對于矩陣計算的效率遠高于python的for-loop實現(xiàn)。但是numpy中并沒有直接提供topK算法的直接實現(xiàn)。因此,我們希望盡量用一些numpy函數(shù)的組合實現(xiàn)topK。接下來這篇文章我們就來介紹一下python怎么實現(xiàn)topK算法。
pytorch 庫提供了topk函數(shù),可以將高維數(shù)組沿某一維度(該維度共N項),選出最大(最?。┑腒項并排序。返回排序結(jié)果和index信息。奇怪的是,更輕量級的numpy庫并沒有直接提供 topK 函數(shù)。numpy只提供了argpartition 和 partition,可以將最大(最?。┑腒項排到前K位。以argpartition為例,最小的3項排到了前3位:
>>> x = np.array([3, 5, 6, 4, 2, 7, 1])
>>> x[np.argpartition(x, 3)]
array([2, 1, 3, 4, 5, 7, 6])
注意,argpartition實現(xiàn)的是 partial sorting,如上例,前3項和其余項被分開,但是兩部分各自都是不排序的!而我們可能更想要topK的幾項排好序(其余項則不作要求)。因此,下面提供一種基于argpartition的topK方法。
一個naive方法
最簡單的方法自然是全排序,然后取前K項。缺點在于,要把topK之外的數(shù)據(jù)也進行排序,當K << N時較為浪費時間,復雜度為O ( n log ? n ) O(n log n)O(nlogn):
def naive_arg_topK(matrix, K, axis=0):
"""
perform topK based on np.argsort
:param matrix: to be sorted
:param K: select and sort the top K items
:param axis: dimension to be sorted.
:return:
"""
full_sort = np.argsort(matrix, axis=axis)
return full_sort.take(np.arange(K), axis=axis)
# Example
>>> dists = np.random.permutation(np.arange(30)).reshape(6, 5)
array([[17, 28, 1, 24, 23, 8],
[ 9, 21, 3, 22, 4, 5],
[19, 12, 26, 11, 13, 27],
[10, 15, 18, 14, 7, 16],
[ 0, 25, 29, 2, 6, 20]])
>>> naive_arg_topK(dists, 2, axis=0)
array([[4, 2, 0, 4, 1, 1],
[1, 3, 1, 2, 4, 0]])
>>> naive_arg_topK(dists, 2, axis=1)
array([[2, 5],
[2, 4],
[3, 1],
[4, 0],
[0, 3]])
基于partition的方法
對于 np.argpartition 函數(shù),復雜度可能下降到 O ( n log ? K ) O(n log K)O(nlogK),很多情況下,K << N,此時naive方法有優(yōu)化的空間。
以下方法首先選出 topK 項,然后僅對前topK項進行排序(matrix僅限2d-array)。
def partition_arg_topK(matrix, K, axis=0):
"""
perform topK based on np.argpartition
:param matrix: to be sorted
:param K: select and sort the top K items
:param axis: 0 or 1. dimension to be sorted.
:return:
"""
a_part = np.argpartition(matrix, K, axis=axis)
if axis == 0:
row_index = np.arange(matrix.shape[1 - axis])
a_sec_argsort_K = np.argsort(matrix[a_part[0:K, :], row_index], axis=axis)
return a_part[0:K, :][a_sec_argsort_K, row_index]
else:
column_index = np.arange(matrix.shape[1 - axis])[:, None]
a_sec_argsort_K = np.argsort(matrix[column_index, a_part[:, 0:K]], axis=axis)
return a_part[:, 0:K][column_index, a_sec_argsort_K]
# Example
>>> dists = np.random.permutation(np.arange(30)).reshape(6, 5)
array([[17, 28, 1, 24, 23, 8],
[ 9, 21, 3, 22, 4, 5],
[19, 12, 26, 11, 13, 27],
[10, 15, 18, 14, 7, 16],
[ 0, 25, 29, 2, 6, 20]])
>>> partition_arg_topK(dists, 2, axis=0)
array([[4, 2, 0, 4, 1, 1],
[1, 3, 1, 2, 4, 0]])
>>> partition_arg_topK(dists, 2, axis=1)
array([[2, 5],
[2, 4],
[3, 1],
[4, 0],
[0, 3]])
大數(shù)據(jù)量測試
對shape(5000, 100000)的矩陣進行topK排序,測試時間為:
K | partition(s) | naive(s) |
---|---|---|
10 | 8.884 | 22.604 |
100 | 9.012 | 22.458 |
1000 | 8.904 | 22.506 |
5000 | 11.305 | 22.844 |
補充:python堆排序?qū)崿F(xiàn)TOPK問題
# 構(gòu)建小頂堆跳轉(zhuǎn)def sift(li, low, higt):
tmp = li[low]
i = low
j = 2 * i + 1
while j <= higt: # 情況2:i已經(jīng)是最后一層
if j + 1 <= higt and li[j + 1] < li[j]: # 右孩子存在并且小于左孩子
j += 1
if tmp > li[j]:
li[i] = li[j]
i = j
j = 2 * i + 1
else:
break # 情況1:j位置比tmp小
li[i] = tmp
def top_k(li, k):
heap = li[0:k]
# 建堆
for i in range(k // 2 - 1, -1, -1):
sift(heap, i, k - 1)
for i in range(k, len(li)):
if li[i] > heap[0]:
heap[0] = li[i]
sift(heap, 0, k - 1)
# 挨個輸出
for i in range(k - 1, -1, -1):
heap[0], heap[i] = heap[i], heap[0]
sift(heap, 0, i - 1)
return heap
li = [0, 8, 6, 2, 4, 9, 1, 4, 6]
print(top_k(li, 3))
以上就是python怎么實現(xiàn)topk算法的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持W3Cschool。