将张量中的一些元素随机设置为零计算时间短

问题描述

我有一个形状为 (3072,1000) 的张量，它表示我的神经网络中的权重。我想：

将其 60% 的元素随机设置为零。
更新权重后，保持 60% 的元素为零但再次随机，即与之前的元素不同。

注意：我的网络不是通常使用反向传播算法的人工神经网络，而是大脑中神经元的生物物理模型，因此我使用了特殊的权重更新规则。因此，我认为 pytorch 中的就绪函数（如果有）可能没有帮助。

我尝试了以下代码，它可以工作，但需要很长时间，因为每次更新我的权重张量后，我都必须运行该代码以再次将权重张量设置为 60% 零

row_indices = np.random.choice(np.size(mytensor.weight,0),replace=False,size=int(np.size(mytensor.weight,0)* 0.6))
column_indices = np.random.choice(np. size(mytensor.weight,1),size=int(np. size(mytensor.weight,1) * 0.6))
for r in row_indices:
    for c in column_indices:
        (mytensor.weight)[r][c] = 0

解决方法

您可以为此使用 dropout 函数：

import torch.nn.functional as F

my_tensor.weight = F.dropout(my_tensor.weight,p=0.6)

如果您希望将大约 60% 的权重设置为 0，iacob 的答案是完美的。如果您想将张量中的 m 值准确设置为零，那么您可以使用类似这样的方法

n = mytensor.weight.numel()
m = int(round(n*0.6))
indices = np.random.choice(n,m,replace=False) # alternative: indices = torch.randperm(n)[:m]
mytensor.weight = mytensor.weight.contiguous()  
mytensor.weight.flatten()[indices] = 0

dropout python python-3.x pytorch