[英]Accelerate numpy calculation
我正在编写一个 Python 函数来在高维矩阵空间上集成一个向量场。 A
,形状(n, m)
,是一个矩阵,其时间导数在其每个分量A[i, j]
中都是线性的。 我们可以将导数的所有系数收集到一个 4D 数组C
中,使得C[i, j, k, l]
是A[i, j]
的导数中A[k, l]
的系数。 在这种情况下, A
的导数由dA[i, j] == (C[i, j] * A).sum()
。 因此计算是正确的
dA = np.array([[ (Cij * A).sum() for Cij in Ci ] for Ci in C ])
幸运的是, C
可以表示为sparse.COO对象,因此上述内容只需要 O(nm) 次乘法。 但是两个 for 循环仍然很慢。 感谢有用的评论,我将其改进为
dA = (C * A).sum(axis=3).sum(axis=2)
利用广播显着加速。 有人能走得更快吗?
您可以使用np.einsum进一步加快速度,因为您无需进行任何中间计算。 或者至少你可以做(C * A).sum(axis=(2,3))
来删除一个中间步骤。
import numpy as np
A = np.full((12,12), 2)
C = np.full((12,12,3,2), 1).T
dA = (C * A).sum(axis=3).sum(axis=2)
print(np.einsum('abkl,ijkl->ij', A[None, None], C) == dA)
print((C * A).sum(axis=(2,3)) == dA)
输出:
[[ True True True]
[ True True True]]
[[ True True True]
[ True True True]]
老实说,我并不完全理解你的数学问题,而且我对einsum
也不是很好。 也就是说,您应该仔细检查算法和测试用例是否正确:)
编辑:添加.sum(axis=(2,3))
方法
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.