Einsum (Einstein Summation)

einsum

• 참고 : <Aladdin youtube>

• Einsum은 Einstein Summation Convention으로 연산을 하는 방법입니다.

• 연산을 통해 내적(Dot products), 외적(Outer porducts), 전치(Transpose), 행렬곱(Matmul) 등을 표현할 수 있으며,

• 형태(dim, shape)을 관리할 때 매우 유용하다.

einsum은 numpy, torch, tensorflow에서 사용가능하다.
ex) numpy.einsum(), torch.einsum(), tensorflow.einsum()

• 간단하게 아래처럼 사용할 수 있습니다.(차원 표현으로 ijk... 으로 많이 사용됩니다.)
• a,b 중 같은 차원이라면 동일한 알파벳으로 입력해주기.

einsum의 통상적인 사용방법은 다음과 같습니다. torch인 a.shape==(2,3,4),b.shape(3,4,1)가 있다면,

torch.einsum(‘ijk , jka -> jki’ , [a,b])

결과는 [3,4,2] 라는 식으로 나옵니다.

• 수학적으로 표현하자면 너무 복잡해지니 예시를 통해 간단한 사용 방법을 익혀봅시다.

예시

# MATRIX TRANSPOSE

import torch
a = torch.arange(6).reshape(2, 3)
print(a)
torch.einsum('ij->ji', [a])

tensor([[0, 1, 2],
        [3, 4, 5]])
tensor([[0, 3],
        [1, 4],
        [2, 5]]) 

# SUM
a = torch.arange(6).reshape(2, 3)
torch.einsum('ij->', [a])

tensor(15) # 6!

#  COLUMN SUM
a = torch.arange(6).reshape(2, 3)
print(a)
torch.einsum('ij->j', [a])

tensor([[0, 1, 2],
        [3, 4, 5]])
#  0+3 , 1+4,  2+5
tensor([3, 5, 7])

# ROW SUM
a = torch.arange(6).reshape(2, 3)
print(a)
torch.einsum('ij->i', [a])


tensor([[0, 1, 2],  #0+1+2->3
        [3, 4, 5]]) #3+4+5->12

tensor([ 3, 12])

# MATRIX-VECTOR MULTIPLICATION

a = torch.arange(6).reshape(2, 3)
b = torch.arange(3)
torch.einsum('ik,k->i', [a, b])

tensor([ 5, 14])

# 행렬곱과 값이 동일
np.matmul(a,b) 

tensor([ 5, 14])

# MATRIX-MATRIX MULTIPLICATION

a = torch.arange(6).reshape(2, 3)
b = torch.arange(15).reshape(3, 5)
torch.einsum('ik,kj->ij', [a, b])

tensor([[ 25,  28,  31,  34,  37],
        [ 70,  82,  94, 106, 118]])

# DOT PRODUCT(vector)

a = torch.arange(3)
b = torch.arange(3,6)  # [3, 4, 5]
torch.einsum('i,i->', [a, b])

tensor(14)

# DOT PRODUCT(matrix)

a = torch.arange(6).reshape(2, 3)
b = torch.arange(6,12).reshape(2, 3)
torch.einsum('ij,ij->', [a, b])

tensor(145)

# HADAMARD PRODUCT

a = torch.arange(6).reshape(2, 3)
b = torch.arange(6,12).reshape(2, 3)
torch.einsum('ij,ij->ij', [a, b])

# OUTER PRODUCT

a = torch.arange(3)
b = torch.arange(3,7)  #[3, 4, 5, 6]
c = torch.einsum('i,j->ij', [a, b])
print(a.shape,b.shape,c.shape)
c

torch.Size([3]) torch.Size([4]) torch.Size([3, 4])
tensor([[ 0,  0,  0,  0],
        [ 3,  4,  5,  6],
        [ 6,  8, 10, 12]])