[英]Faster alternative to numpy.einsum for taking the “element-wise” dot product of two lists of vectors?
假設您獲得了兩個向量數組:
v1 = np.array([ [1, 2], [3, 4] ])
v2 = np.array([ [10, 20], [30, 40]])
我們想生成一個數組,它等效於:
v3 = np.array([ np.dot(v1[0], v2[0]), np.dot(v1[1], v2[1]) ])
目前,我使用:
v3 = np.einsum('ij,ij->i', v1, v2)
但是,我在代碼中做了很多事情 ,因此此處的加速對我非常有幫助。
我們如何加快速度? np.einsum
已經非常有效,但是我想知道對於這個特定用例 ,是否有更快的方法?
einsum
盡我所能想到的3種選擇中的最佳選擇:
In [73]: timeit v3=np.einsum('ij,ij->i',v1,v2)
100000 loops, best of 3: 5.14 us per loop
In [74]: timeit np.diag(np.dot(v1,v2.T))
100000 loops, best of 3: 7.43 us per loop
In [75]: timeit np.sum(v1*v2,axis=1)
100000 loops, best of 3: 16.8 us per loop
要問的幾個問題:
einsum
調用-並置數組嗎? 嘗試inner1d
import numpy as np
import cProfile
from numpy.core.umath_tests import inner1d
v1 = np.random.random((10**7,2,)) # 10 million random vectors
v2 = np.random.random((10**7,2,)) # 10 million random vectors
v3 = np.einsum('ij,ij->i', v1, v2) # einsum
v4 = inner1d(v1,v2) # inner1d (~2x faster than einsum)
cProfile.run("np.einsum('ij,ij->i', v1, v2)") # cProfile: 3 function calls in 0.065 seconds
cProfile.run("inner1d(v1,v2)") # cProfile: 2 function calls in 0.033 seconds
print np.allclose(v3,v4) # Returns True
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.