python - 有没有办法加快这些嵌套循环(拉普拉斯案例)Python?
问题描述
我正在尝试加快函数 Gram 中的嵌套循环。
我的导致大延迟的函数是拉普拉斯算子(Abel),因为它需要为矩阵的每个单元格逐行计算一列的范数。
abel = lambda x,y,t,p: np.exp(-np.abs(p) * np.linalg.norm(x-y))
def Gram(X,Y,function,t,p):
n = X.shape[0]
s = Y.shape[0]
K = np.zeros((n,s))
if function==abel:
for i in range(n):
for j in range(s):
K[i,j] = abel(X[i,:],Y[j,:],t,p)
else:
K = polynomial(X,Y,t,p)
return K
通过将指数部分排除在 abel 方程之外,我能够稍微加快函数的速度,然后将其应用于整个矩阵。
abel_2 = lambda x,y,t,p: np.linalg.norm(x-y)
(不要介意t和p)。
def Gram_2(X,Y,function,t,p):
n = X.shape[0]
s = Y.shape[0]
K = np.zeros((n,s))
if function==abel_2:
for i in range(n):
for j in range(s):
K[i,j] = abel_2(X[i,:],Y[j,:],0,0)
K = np.exp(-abs(p)*K)
else:
K = polynomial(X,Y,t,p)
return K
时间减少了 50%,但是,我相信双循环(嵌套)仍然是一个主要问题。有人可以帮忙吗?谢谢!
解决方案
基本上,与其逐个循环从 中减去X[i,:]
,不如从所有 Y 中选择并减去它,然后在某个轴上应用范数Y[j,:]
,从而节省大量时间!X[i,:]
就我而言,它是axis=1
。
def Gram_10(X,Y,function,t,p):
n = X.shape[0]
s = Y.shape[0]
K = np.zeros((n,s))
if function==abel_2:
for i in range(n):
# it is important to put the correct slice (:s) , so the matrix provided by the norm goes
# to the right place in the function
K[i,:s] = np.linalg.norm(X[i,:]-Y,axis=1)
K = np.exp(-abs(p)*K)
else:
K = polynomial(X,Y,t,p)
return K
推荐阅读
- python - python类方法的方法
- facebook - Facebook SDK 初始化创建第二个像素
- mongodb - Mongo - 查找随机文档
- android - onFocusChange 包括儿童?
- azure - 如何将文件从 azure powershell 加载到 Azure Data Lake
- android - 有没有办法为gridview上的每个项目分配id?
- google-drive-api - Google Drive REST API - 自定义属性是否已编入索引?
- python - Python Selenium 查找元素 XPath 不起作用
- dropbox - 审查 Dropbox 活动
- javascript - 使用 chartist 在 JavaScript 中对饼图的 GET / POST 请求