NumPy的as_strided逆函数

Question

我有一个4维张量x。计算6维张量y如下：

x = np.random.randn(64, 28, 28, 1)
strided_shape = 64, 26, 26, 3, 3, 1
y = numpy.lib.stride_tricks.as_strided(x, strided_shape, strides=(x.strides[0], x.strides[1], x.strides[2], x.strides[1], x.strides[2], x.strides[3]))

strided_shape 通常可以是任何形状，只要第一个和最后一个维度与 x 相同（这只是一个具体的例子）。

我的问题是，是否可以使用y （以及x.shape 和 x.strides 这些元组）通过再次使用 as_strided、reshape、sum 等操作来恢复原始张量 x？注意：我实际上并不打算将该过程应用于 y 本身；而是想对形状与y相同的张量执行该过程。

- Nihar Karve

---

numpy.lib.stride_tricks.as_strided是相当冒险的，使用np.reshape和/或np.tile是否足够？这样可能更容易恢复。 - Dorian

Answer 1

在这里，y 只是一个形状和步幅不同的 x 视图。因此，从 y 中恢复出 x 只需要将其形状和步幅更改回来即可。因此，假设在 x 转换为 y 之前保存了这些信息（假定这些信息已保存），那么操作就非常简单 -

x = np.lib.stride_tricks.as_strided(y, x.shape, x.strides)

- Divakar