[英]Improve performance of operation on numpy trigonometric functions
我有一個相當大的代碼,我需要優化。 在使用time.time()
進行一些分析之后,我發現占用最多處理時間的行(它執行了數千次)是這樣的:
A = np.cos(a) * np.cos(b) - np.sin(a) * np.sin(b) * np.sin(c - d)
所有變量都可以隨機定義:
N = 5000
a = np.random.uniform(0., 10., N)
b = np.random.uniform(0., 50., N)
c = np.random.uniform(0., 30., N)
d = np.random.uniform(0., 25., N)
有沒有辦法提高A
的計算性能? 由於我已經使用numpy
,我幾乎沒有想法。
通過使用乘積和總和。 身份 ,你可以減少三角形的數量。 函數調用。 在下文中, func1
和func2
計算相同的值,但func2
對trig的調用次數較少。 職能。
import numpy as np
def func1(a, b, c, d):
A = np.cos(a) * np.cos(b) - np.sin(a) * np.sin(b) * np.sin(c - d)
return A
def func2(a, b, c, d):
s = np.sin(c - d)
A = 0.5*((1 - s)*np.cos(a - b) + (1 + s)*np.cos(a + b))
return A
這是N = 5000
的時序比較:
In [48]: %timeit func1(a, b, c, d)
1000 loops, best of 3: 374 µs per loop
In [49]: %timeit func2(a, b, c, d)
1000 loops, best of 3: 241 µs per loop
您是否嘗試使用像Numba,Cython,Pythran或其他任何東西的Python加速器?
我和Pythran做了一些測試。 結果如下:
原始代碼:
代碼由Warren提供:
這是在N = 5000的情況下完成的
這是代碼:
# pythran export func1(float[], float[], float[], float[])
# pythran export func2(float[], float[], float[], float[])
import numpy as np
def func1(a, b, c, d):
A = np.cos(a) * np.cos(b) - np.sin(a) * np.sin(b) * np.sin(c - d)
return A
def func2(a, b, c, d):
s = np.sin(c - d)
A = 0.5*((1 - s)*np.cos(a - b) + (1 + s)*np.cos(a + b))
return A
和命令行:
$ pythran test.py # Default compilation
$ pythran test.py -march=native -DUSE_BOOST_SIMD # Pythran with code vectorization
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.