python - 你能让这个更快吗?句子到 Numpy 数组的映射
问题描述
我有一串韩语。我需要将它映射到一个 numpy 数组中,其中每个字母都以一种热的方式编码。
import numpy as np
import time
def embed_letter(x: str) -> np.array:
# input: one Korean letter
# maps the letter into ...
# output: one-hot encoded np.array of size - (72,)
time.sleep(0.0001) # to represent the time it takes to map ?
return np.zeros((72,)) # to represent the mapped letter
def embed_sentence(sentence: str, max_length: int) -> np.array:
embedded_char_list = []
append = embedded_char_list.append
end = len(sentence) if len(sentence) < max_length else max_length
for i in range(end):
append(embed_letter(sentence[i]))
stacked = np.stack(embedded_char_list, axis=0)
return stacked
# example usage
embed_sentence("11111111", 500)
# will output a numpy array containing zeros of shape (8, 72)
我想embed_sentence
通过一种矢量化来加快速度embed_letter
。你能做到这一点,如果可以怎么办?有没有其他方法可以加快速度?谢谢
解决方案
我希望您使用的是 Hangul_Jamo_Extended-B 字母集(72 个字符)。如果是这样,这应该可以完成工作:
# https://en.wikipedia.org/wiki/Hangul_Jamo_Extended-B
hangul_jamo_extended_b = [chr(a) for a in list(range(55216, 55239)) + list(range(55243, 55292))]
hangul_jamo_extended_b = np.array(hangul_jamo_extended_b)
print(hangul_jamo_extended_b)
>>> ['ힰ' 'ힱ' 'ힲ' 'ힳ' 'ힴ' 'ힵ' 'ힶ' 'ힷ' 'ힸ' 'ힹ' 'ힺ' 'ힻ' 'ힼ' 'ힽ' 'ힾ' 'ힿ' 'ퟀ' 'ퟁ'
'ퟂ' 'ퟃ' 'ퟄ' 'ퟅ' 'ퟆ' 'ퟋ' 'ퟌ' 'ퟍ' 'ퟎ' 'ퟏ' 'ퟐ' 'ퟑ' 'ퟒ' 'ퟓ' 'ퟔ' 'ퟕ' 'ퟖ' 'ퟗ'
'ퟘ' 'ퟙ' 'ퟚ' 'ퟛ' 'ퟜ' 'ퟝ' 'ퟞ' 'ퟟ' 'ퟠ' 'ퟡ' 'ퟢ' 'ퟣ' 'ퟤ' 'ퟥ' 'ퟦ' 'ퟧ' 'ퟨ' 'ퟩ'
'ퟪ' 'ퟫ' 'ퟬ' 'ퟭ' 'ퟮ' 'ퟯ' 'ퟰ' 'ퟱ' 'ퟲ' 'ퟳ' 'ퟴ' 'ퟵ' 'ퟶ' 'ퟷ' 'ퟸ' 'ퟹ' 'ퟺ' 'ퟻ']
def embed_sentence(i: str):
indices = np.searchsorted(hangul_jamo_extended_b, list(i))
table = np.zeros((len(i), 72))
table[np.arange(len(i)), indices] = 1
return table
embed_sentence('ힰퟝힱퟺퟻ')
>>> ... np.array with one hot encoded chars
如果 np.searchsorted 对您不起作用,您应该以某种方式为您的映射找到索引。我建议制作字典并使用内置translate
功能。https://www.w3schools.com/python/ref_string_translate.asp找到索引(如(3, 4, 12, 72, ...)
)后,其余部分相同。
顺便说一句,对不起我的韩语不好:)
推荐阅读
- git - 不是有效的 git 分支名称
- mysql - Laravel 雄辩的查询具有 JOIN 和子查询
- python - Django-herald:无法发送带有附件的邮件
- reactjs - 动画:文本字符串必须在
零件 - java - Java 循环混乱需要帮助
- selenium - 线程“主”java.lang.IllegalStateException 中的异常:驱动程序可执行文件不存在:C:\Sujata_Selenium_workspace\chromedriver.exe
- openlayers - openlayers 5 地图(图像,标记)变换rotateX
- checkbox - 使用返回键切换复选框
- django - 在 Django 中使用两个不同的电子邮件发送电子邮件
- python - “无法将表达式转换为浮点数”错误与 sympy