使用sapply而不是for循环

Question

在一个项目中，我们需要取矩阵中的数字与其周围的数字的平均值。例如，设想一个3x3矩阵，如下所示

[(1,2,3), 
 (4,5,6), 
 (7,8,9)]. 

第一步是在矩阵周围添加填充。假设我们添加1层填充，从而得到一个5x5矩阵

[[0,0,0,0,0], 
 [0,1,2,3,0], 
 [0,4,5,6,0], 
 [0,7,8,9,0],
 [0,0,0,0,0]]. 

matrix(c(0,0,0,0,0,0,1,2,3,0,0,4,5,6,0,0,7,8,9,0,0,0,0,0,0), nrow=5, ncol=5, byrow=T)

然后，我们对其进行平均和过滤，得到最终的3x3矩阵。此矩阵的第一行/第一列应为(1+2+4+5)/9 = 1.33。

现在，我的代码正常工作，看起来像这样

for(row in (k+1):(nrow(pad.m) - k)){
for(col in (k+1):(ncol(pad.m) - k)) {
  y <- pad.m[seq(row-k, row+k), seq(col-k, col+k)]
  filter.m[row-k, col-k]<- mean(y)
}

其中k是填充的层数，pad.m是我们的矩阵。不幸的是，我的教授说这太笨拙了，他更喜欢应用而不是2for循环。我想知道如何使用sapply对矩阵进行子集和迭代。

Answer 1

使用tensorflow。您可以使用卷积层或池化层。示例：

library(tensorflow)

mymat <- matrix(c(0,0,0,0,0,0,1,2,3,0,0,4,5,6,0,0,7,8,9,0,0,0,0,0,0), nrow=5, ncol=5, byrow=T) # Your padded matrix

matrix1 <- tf$constant( array(mymat, dim=c(1,nrow(mymat),ncol(mymat),1)), dtype="float64" )
pool1 <- tf$nn$avg_pool(matrix1, c(1L,2L,2L,1L), c(1L,1L,1L,1L), "SAME")
sess <- tf$Session()
sess$run(tf$global_variables_initializer())
res <- pool1$eval(session=sess)
sess$close()

以上取2x2区域的平均值。但是您将2x2区域相加，然后除以9，这很奇怪，但也没问题。所以你可以得到这样的结果：

res <- res[1,,,]
(res * 4/9)[-1,][,-1][-(3:4),][,-(3:4)]


         [,1]     [,2]
[1,] 1.333333 1.777778
[2,] 2.666667 3.111111

上面的代码只是将数组输出格式化为矩阵。