PyTorch梯度/导数/沿轴差异类似于numpy.diff。

Question

我已经苦苦挣扎了很长一段时间。我想要的只是一个torch.diff()函数。然而，许多矩阵操作似乎不容易与张量操作兼容。

我尝试了大量各种pytorch操作组合，但它们都没有起作用。

由于pytorch没有实现这个基本功能，我开始尝试沿着特定轴从元素i中减去元素i+1。

然而，由于张量的限制，你不能简单地对每个元素进行这样的操作，因此我尝试构造另一个张量，其中的元素沿着一个轴移动：

ix_plus_one = [0]+list(range(0,prediction.size(1)-1))
ix_differential_tensor = torch.LongTensor(ix_plus_one)
diff_one_tensor = prediction[:,ix_differential_tensor]

但是我们现在有一个不同的问题——索引并不能真正地模仿 numpy 在 PyTorch 中的功能，因为它所宣传的那样，并且像这样使用“类似列表”的张量无法进行索引。我还尝试使用张量scatter函数。

所以我仍然困在了这个简单的问题上，即如何在一个PyTorch张量上获取梯度。

我所有的搜索都指向了PyTorch的神奇功能“autograd”，但这与这个问题无关。

- chase

Answer 1

一维卷积配合固定滤波器可解决问题：

filter = torch.nn.Conv1d(in_channels=1, out_channels=1, kernel_size=2, stride=1, padding=1, groups=1, bias=False)
kernel = np.array([-1.0, 1.0])
kernel = torch.from_numpy(kernel).view(1,1,2)
filter.weight.data = kernel
filter.weight.requires_grad = False

然后像使用torch.nn中的任何其他层一样使用filter函数。

另外，您可能需要更改padding以适应您的特定需求。

- Jack G.

Answer 2

看起来这里有一个更简单的解决方案（因为我也需要类似的），在这里引用：https://discuss.pytorch.org/t/equivalent-function-like-numpy-diff-in-pytorch/35327/2

diff = x[1:] - x[:-1]

可以沿不同维度完成，例如

diff = polygon[:, 1:] - polygon[:, :-1]

我建议编写一个单元测试来验证相同的行为。

- Rein

Answer 3

对于那些在2021年3月之后遇到这个问题的人

从torch 1.8开始，有一个torch.diff函数，它可以像OP期望的那样正常工作。

- lwohlhart