Numpy dot（）和數組鑄造性能優化

我想知道是否可能以某種方式在numpy中的這部分代碼中優化dotproduts和數組轉換，根據profiler佔用我代碼95％的運行時間。（我不希望使用f2py，用Cython或pyOpenCl，我只是學習如何有效地使用numpy的）Numpy dot（）和數組鑄造性能優化

def evalSeriesInBasi(a,B): 
    Y = dot(a,B[0]) 
    dY = dot(a,B[1]) 
    ddY = dot(a,B[2]) 
    return array([Y,dY,ddY]) 

def evalPolarForces(R, O): 
    # numexpr doest seem to help it takes 3,644 vs. 1.910 with pure numpy 
    G = 1.0/(R[0]**2)      # Gravitational force 
    F_O = R[0] * O[2]  + 2 * R[1] * O[1] # Angular Kinematic Force = Angular engine thrust 
    F_R = R[0] * O[1]**2 +  R[2]   
    FTR = F_R - G        
    FT2 = F_O**2 + FTR**2      # Square of Total engine Trust Force (corespons to propelant consuption for power limited variable specific impulse engine) 
    return array([F_O,F_R,G,FTR, FT2]) 

def evalTrajectoryPolar(Rt0, Ot0, Bs, Rc, Oc): 
    Rt = Rt0 + evalSeriesInBasi(Rc,Bs) 
    Ot = Ot0 + evalSeriesInBasi(Oc,Bs) 
    Ft = evalPolarForces(Rt, Ot) 
    return Ot, Rt, Ft

其中「B」是形陣列（3,32,128），其中基礎函數存儲，「a」是這些基函數的係數，並且所有其他陣列如Y，dY，ddY，F_O，F_R，G，FTR，FT2是128個採樣點處的一些函數的值。 numpy.core.multiarray.array和numpy.core._dotblas.dot

ncalls tottime percall cumtime percall filename:lineno(function) 
22970 2.969 0.000 2.969 0.000 {numpy.core.multiarray.array} 
46573 0.926 0.000 0.926 0.000 {numpy.core._dotblas.dot} 
7656 0.714 0.000 2.027 0.000 basiset.py:61(evalPolarForces) 
7656 0.224 0.000 0.273 0.000 OrbitalOptCos_numpyOpt.py:43(fitnesFunc) 
7656 0.192 0.000 4.868 0.001 basiset.py:54(evalTrajectoryPolar) 
    116 0.141 0.001 5.352 0.046 optimize.py:536(approx_fprime) 
7656 0.132 0.000 5.273 0.001 OrbitalOptCos_numpyOpt.py:63(evalFitness) 
15312 0.101 0.000 2.649 0.000 basiset.py:28(evalSeriesInBasi)

來源

2013-05-11 Prokop Hapala

你可以通過re來加速計算移動array()通話，這裏有一個例子：

import numpy as np 

B = np.random.rand(3, 32, 128) 
a = np.random.rand(32, 32) 

def f1(a, B): 
    Y = dot(a,B[0]) 
    dY = dot(a,B[1]) 
    ddY = dot(a,B[2]) 
    return array([Y,dY,ddY]) 

def f2(a, B): 
    result = np.empty((B.shape[0], a.shape[0], B.shape[-1])) 
    for i in xrange(B.shape[0]): 
     np.dot(a, B[i], result[i]) 
    return result 

r1 = f1(a, B) 
r2 = f2(a, B) 
print np.allclose(r1, r2)

的f1()和f2()的結果是一樣的，但速度如果不同：

%timeit f1(a, B) 
%timeit f2(a, B)

結果是：

1000 loops, best of 3: 1.34 ms per loop 
10000 loops, best of 3: 135 µs per loop

來源

2013-05-12 00:04:21 HYRY

謝謝你，現在當我刪除array（）調用時，我修改了數組（[whatever]）只創建一個視圖，而不是alocationg或複製數組，而empty（）則分配一個數組。 – 2013-05-12 08:28:04

如何約：

def f3(a, B): 
    r = np.dot(a, B) 
    return np.rollaxis(r, 1)

來源

2013-05-12 03:19:54

Numpy dot（）和數組鑄造性能優化

回答

相關問題