pythonで動的に決めた変数名でfor処理をしたい

Question

pythonのクラス内でexec関数で動的に決めた変数名A1～A9で縮約計算をする際に下記のプログラムで、
einsumするときに、self.A2～self.A8を指定するときに、再度exec関数を指定でできませんでした。
こういった、動的に変数を決めたプログラムで再度変数名に数字があるfor loopで呼び出せますか？

import torch
import torch.nn as nn
import numpy as np
import torch.optim as optim

class function(nn.Module):
    def __init__(self):
        super().__init__()
        rnd = np.random.randn
        #A1
        exec("self.A" + str(1) + "= nn.Parameter(torch.Tensor(rnd(2, 5)))")
        for i in range(2,9):# A2～A8
            exec("self.A" + str(i) + "= nn.Parameter(torch.Tensor(rnd(5,2, 5)))")
        # A9
        exec("self.A" + str(9) + "= nn.Parameter(torch.Tensor(rnd(5,2)))")
        
        self.optimizer = optim.AdamW(self.parameters(), lr=0.1)
        
    def func(self, x):
        I0 = torch.tensor([[1, 0]], dtype=torch.float32)
        I1 = torch.tensor([[0, 1]], dtype=torch.float32)
        
        I = torch.where((x[:, 0] == 0)[:, None], I0, I1)
        p = torch.einsum("ia,xi->xa",self.A1,I)
        for i in range(2,9):
            I = torch.where((x[:, i] == 0)[:, None], I0, I1)
            p = torch.einsum("xa,aib,xi->xb",p,self.A2,I) # A2ではなくA2～A8をfor loopしたい
        I = torch.where((x[:, 8] == 0)[:, None], I0, I1)
        p = torch.einsum("xa,ai,xi->x",p,self.A9,I)
        
        return p

data = torch.tensor([[1,0,1,0,1,0,1,0,1],[0,1,0,1,0,1,0,1,0]])
model = function()
y=model.func(data)
print(y)

Comments

[TakaiY]

本質的でないことかもしれませんが、A1～8をリストにしないのには何か理由があるのでしょうか？

[redcatML]

ありがとうございます。リストにすれば同じことができるのでしょうか？もし差し支えなければ例をいただけると助かります

[melian]

こんな感じでしょうか。func 内では self.A1 は self.A[0] に置き換えます。（self.A2 なども同様)
※ コメント欄なので全角スペースでインデントを付けています。

def __init__(self):
　　super().__init__()
　　rnd = np.random.randn
　　self.A = []
　　self.A.append(nn.Parameter(torch.Tensor(rnd(2, 5))))
　　for _ in range(2,9):
　　　　self.A.append(nn.Parameter(torch.Tensor(rnd(5, 2, 5))))
　　self.A.append(nn.Parameter(torch.Tensor(rnd(5, 2))))
　　self.optimizer = optim.AdamW(self.A, lr=0.1)

[redcatML]

リストの仕方ありがとうございます。
def func(self, x):
I0 = torch.tensor([[1, 0]], dtype=torch.float32)
I1 = torch.tensor([[0, 1]], dtype=torch.float32)

I = torch.where((x[:, 0] == 0)[:, None], I0, I1)
p = torch.einsum("ia,xi->xa",self.A[0],I)
for i in range(2,9):
I = torch.where((x[:, i] == 0)[:, None], I0, I1)
p = torch.einsum("xa,aib,xi->xb",p,self.A[i],I) # A2ではなくA2～A8をfor loopしたい
I = torch.where((x[:, 8] == 0)[:, None], I0, I1)
p = torch.einsum("xa,ai,xi->x",p,self.A[8],I)

return p
の箇所でエラー出てしまいましたが、調べてみます。ありがとうございます。

[melian]

p = torch.einsum("xa,aib,xi->xb",p,self.A[i],I)

の部分は、

p = torch.einsum("xa,aib,xi->xb",p,self.A[i-1],I)

とします。(1-base index を 0-base index に置き換えるので)

[redcatML]

ありがとうございます。エラー解消できました

[redcatML]

また別の質問になってしまうのですが、
def __init__(self, x_num=9, b=20, lr=0.01):
super().__init__()
self.x_num= x_num
self.b = b
self.lr=lr

rnd = np.random.randn
# setting parameters
self.A = []
self.A.append(nn.Parameter(torch.Tensor(rnd(2, b))))
for _ in range(1,8):
self.A.append(nn.Parameter(torch.Tensor(rnd(b, 2, b))))
self.A.append(nn.Parameter(torch.Tensor(rnd(b, 2))))

self.optimizer = optim.AdamW(self.parameters(), lr=lr)
とオプティマイザーを指定すると怒られてしまいます。
リスト変数でもNNパラメータ扱いにできますか？

[melian]

コメント欄に書き切れなくなったので回答として書いてみました。後は適当にいじくってみてください。

Answer 1

〜とオプティマイザーを指定すると怒られてしまいます。リスト変数でもNNパラメータ扱いにできますか？

register_parameter() と get_parameter() を使うとよいかと。

import torch
import torch.nn as nn
import numpy as np
import torch.optim as optim

class function(nn.Module):
    def __init__(self):
        super().__init__()
        rnd = np.random.randn
        self.register_parameter(name='A1', param=nn.Parameter(torch.Tensor(rnd(2, 5))))
        for i in range(2,9):
            self.register_parameter(name=f'A{i}', param=nn.Parameter(torch.Tensor(rnd(5, 2, 5))))
        self.register_parameter(name='A9', param=nn.Parameter(torch.Tensor(rnd(5, 2))))
        print([*self.parameters()])
        self.optimizer = optim.AdamW(self.parameters(), lr=0.1)
        
    def func(self, x):
        I0 = torch.tensor([[1, 0]], dtype=torch.float32)
        I1 = torch.tensor([[0, 1]], dtype=torch.float32)
        
        I = torch.where((x[:, 0] == 0)[:, None], I0, I1)
        p = torch.einsum("ia,xi->xa",self.get_parameter('A1'),I)
        for i in range(2,9):
            I = torch.where((x[:, i] == 0)[:, None], I0, I1)
            p = torch.einsum("xa,aib,xi->xb",p,self.get_parameter(f'A{i}'),I) # A2ではなくA2～A8をfor loopしたい
        I = torch.where((x[:, 8] == 0)[:, None], I0, I1)
        p = torch.einsum("xa,ai,xi->x",p,self.get_parameter('A9'),I)
        
        return p

data = torch.tensor([[1,0,1,0,1,0,1,0,1],[0,1,0,1,0,1,0,1,0]])
model = function()
y=model.func(data)
print(y)

Comments

[redcatML]

何から何までありがとうございます。無事パラメータ設定できました

Answer 2

eval('self.A'+str(i))
とすればできました。

Comments

[y_waiwai]

まあ、それでできるのかもしれませんが、それではだめですねー

[redcatML]

ありがとうございます。良い方法教えていただけますか？

[y_waiwai]

配列なりリストを使いましょう
self.A[data]

[redcatML]

ありがとうございます。上でも回答いただきましたがリストにする方が良いのですね