通過使用向量化來加速我的計算

我是python的新手，所以我的計算效率有一些問題。我使用這個代碼，以填補我的矩陣H和我^ h向量（x_tr，x_te和c是列表）：通過使用向量化來加速我的計算

for l in xrange(0, b): 
    for ls in xrange(0, b): 
     H[l][ls] = 1.0/n_tr * numpy.sum([numpy.exp(-((numpy.linalg.norm(x_tr[i]-c[l])**2 + numpy.linalg.norm(x_tr[i]-c[ls])**2)/(2*s**2))) for i in range(0, n_tr)]) 
    h[l] = 1.0/n_te * numpy.sum([numpy.exp(-((numpy.linalg.norm(x_te[j]-c[l])**2)/(2*s**2))) for j in range(0, n_te)])

我想這可能是低效使用2圈......有沒有簡單的加快我的計算速度的方法？有人告訴我，我可能會使用矢量化，但我有點不知道這是如何工作

感謝您的幫助:)

來源

2012-09-26 hukd321

你還不清楚什麼？你有沒有試過一個numpy教程？ –

我甚至可以使用矢量化來加速計算嗎？我嘗試了一些教程，但我不太明白，我怎樣才能將他們的例子引用到我的計算中 – hukd321

是的，矢量化會加速你的計算。我會盡力發佈一些幫助。 –

矢量的例子：

>>> x_te = np.arange(10) 
>>> c = np.range(5) 
>>> (x_te[:,None] - c).sum(axis=0) 
array([45, 35, 25, 15, 5])

相當於：

np.array([np.sum(xte[i]-c[j] for i in range(xte.size)) for j in range(c.size)])

這就是說：

爲x_te[j]和c[l]是你的循環中的兩個標量，你的np.linalg.norm(x[j]-c[i])**2只是(x[j]-c[i])，對不對？所以，你的h可以被計算爲

h = 1.0/n_te * numpy.sum([numpy.exp(-(x_te[: None]-c))/(2*s**2)))

這應該讓你開始爲H ...

編輯你或許應該檢查一些documentation on broadcasting。

來源

2012-09-26 09:35:04

感謝您的幫助！使用此代碼爲h，我得到此錯誤： TypeError：不支持的操作數類型爲 - ：'列表'和'列表' – hukd321

這告訴你，你正在使用列表而不是numpy數組，如我所示你在這個例子中：'x_te'和'c'應該是數組.. .. –

啊......是的，你說得對...我應該看到... x_te [i]和c [j ]沒有標量，它們依賴於輸入的維度，這就是爲什麼我使用numpy.linalg.norm（...） – hukd321

通過使用向量化來加速我的計算

回答

相關問題