5

3D 配列の各 2D スライスに対して作用する関数があります。関数をベクトル化してループを回避し、パフォーマンスを向上させる方法は? 例えば：

def interp_2d(x0,y0,z0,x1,y1):
    # x0, y0 and z0 are 2D array
    # x1 and y1 are 2D array
    # peform 2D interpolation
    return z1

# now I want to call the interp_2d for each 2D slice of z0_3d as following:
for k in range(z0_3d.shape[2]):
    z1_3d[:,:,k]=interp_2d(x0, y0, z0_3d[:,:,k], x1, y1)
4

1 に答える 1

1

これは、再実装しないとベクトル化できませんinterp_2d。ただし、何らかのタイプの補間であると仮定interp_2dすると、操作はおそらく線形です。これは、 、、およびに依存する (おそらくスパースな) 行列がどこにあるかlambda z0: interp_2d(x0, y0, z0, x1, y1)とおそらく同等です。現時点では、関数を呼び出すことで、呼び出しごとにこの行列を暗黙的に再計算していますが、毎回同じです。そのマトリックスが何であるかを一度把握し、それを新しいものに何度も再適用する方が効率的です。np.dot(M, z0)Mx0y0x1y1interp_2dz0

以下は、非常に単純な 1D 補間の例です。

x0 = [0., 1.]
x1 = 0.3
z0_2d = "some very long array with shape=(2, n)"

def interp_1d(x0, z0, x1):
    """x0 and z0 are length 2, 1D arrays, x1 is a float between x0[0] and x0[1]."""

    delta_x = x0[1] - x0[0]
    w0 = (x1 - x0[0]) / delta_x
    w1 = (x0[1] - x1) / delta_x
    return w0 * z0[0] + w1 * z0[1]

# The slow way.
for i in range(n):
     z1_2d[i] = interp_1d(x0, z0_2d[:,i], x1)
# Notice that the intermediate products w1 and w2 are the same on each
# iteration but we recalculate them anyway.

# The fast way.
def interp_1d_weights(x0, x1):
    delta_x = x0[1] - x0[0]
    w0 = (x1 - x0[0]) / delta_x
    w1 = (x0[1] - x1) / delta_x
    return w0, w1

 w0, w1 = interp_1d_weights(x0, x1)
 z1_2d = w0 * z0_2d[0,:] + w1 * z0_2d[1:0]

が非常に大きい場合nは、100 倍をはるかに超える速度向上が期待できます。

于 2013-09-20T04:55:13.453 に答える