关于python：从numpy ndarray中有效地采样矢量

Efficiently sample vectors from numpy ndarray

我有一个shape的多维numpy数组X：(B, dim, H, W)我想从X中随机抽取kdim维向量。我可以从形状为(B, 1, H, W)的msk中得到样本指数：

1	sIdx = random.sample((msk.flat>=0).nonzero()[0], k)

使用numpy的等效采样代码为：

1	sIdx = np.random.choice((msk.flat>=0).nonzero()[0], replace=False, size=(k,))

号

但如何根据"平面"抽样指标sIdx有效地分割X？也就是说，有没有一种有效的方法将随机抽取的msk与切片的X相结合？

相关讨论

从展平的指数中得到这三个轴中其余带有np.unravel_index的各指数，然后沿着这些轴简单地索引到X中，以获得最终输出，就像这样。-

1 2	I,J,K = np.unravel_index(sIdx, (B, H, W)) out = X[I,:,J,K]