jax.numpy.take#

jax.numpy.take(a, indices, axis=None, out=None, mode=None, unique_indices=False, indices_are_sorted=False, fill_value=None)[source]#

从数组中提取元素。

numpy.take() 的 JAX 实现，根据 jax.lax.gather() 实现。在越界索引的情况下，JAX 的行为与 NumPy 不同；请参阅下面的 mode 参数。

参数:

• a (Array | ndarray | bool | number | bool | int | float | complex) – 从中提取值的数组。

• indices (Array | ndarray | bool | number | bool | int | float | complex) – 从数组中提取值的 N 维整数索引数组。

• axis (int | None) – 沿其提取值的轴。如果未指定，则在应用索引之前将展平数组。

• mode (str | None) – 越界索引模式，可以是 "fill" 或 "clip"。默认的 mode="fill" 为越界索引返回无效值（例如 NaN）；fill_value 参数控制此值。有关 mode 选项的更多讨论，请参阅 jax.numpy.ndarray.at。

• fill_value (bool | number | bool | int | float | complex | None) – 当模式为 ‘fill’ 时，为越界切片返回的填充值。否则忽略。默认为非精确类型的 NaN，有符号类型的最大负值，无符号类型的最大正值，以及布尔值的 True。

• unique_indices (bool) – 如果为 True，则实现将假定索引是唯一的，这可以在某些后端上实现更高效的执行。如果设置为 True 且索引不是唯一的，则输出未定义。

• indices_are_sorted (bool) – 如果为 True，则实现将假定索引按升序排序，这可以在某些后端上实现更高效的执行。如果设置为 True 且索引未排序，则输出未定义。

• out (None)

返回:

从 a 中提取的值的数组。

返回类型:

Array

参见

• jax.numpy.ndarray.at：通过索引语法提取值。

• jax.numpy.take_along_axis()：沿轴提取值

示例

>>> x = jnp.array([[1., 2., 3.],
...                [4., 5., 6.]])
>>> indices = jnp.array([2, 0])

不传递轴会导致索引到展平的数组中

>>> jnp.take(x, indices)
Array([3., 1.], dtype=float32)
>>> x.ravel()[indices]  # equivalent indexing syntax
Array([3., 1.], dtype=float32)

传递轴会导致将索引应用于沿轴的每个子数组

>>> jnp.take(x, indices, axis=1)
Array([[3., 1.],
       [6., 4.]], dtype=float32)
>>> x[:, indices]  # equivalent indexing syntax
Array([[3., 1.],
       [6., 4.]], dtype=float32)

越界索引填充无效值。对于浮点输入，这是 NaN

>>> jnp.take(x, indices, axis=0)
Array([[nan, nan, nan],
       [ 1.,  2.,  3.]], dtype=float32)
>>> x.at[indices].get(mode='fill', fill_value=jnp.nan)  # equivalent indexing syntax
Array([[nan, nan, nan],
       [ 1.,  2.,  3.]], dtype=float32)

可以使用 mode 参数调整此默认的越界行为，例如，我们可以改为裁剪到最后一个有效值

>>> jnp.take(x, indices, axis=0, mode='clip')
Array([[4., 5., 6.],
       [1., 2., 3.]], dtype=float32)
>>> x.at[indices].get(mode='clip')  # equivalent indexing syntax
Array([[4., 5., 6.],
       [1., 2., 3.]], dtype=float32)