4

最終的には、Python ではなく C で numpy ベクトル化と関数呼び出しを利用するために、以下のコードの明示的なループをすべて削除したいと考えています。

以下は、python で numpy を使用するために簡略化されています。次の二次関数があります。

def quadratic_func(a,b,c,x):
    return a*x*x + b*x + c

入力データ x と同じサイズの出力データ y を指定して、a、b、c の選択を最適化しようとしています (もちろん、これは線形回帰によって行う必要がありますが、ユーモアがあります)。len(x)=100 とします。長さ 100 の結果を取得するために、スカラー a、b、c で​​簡単にベクトル化できます。

a、b、c が [-10,10] の範囲内にある必要があることがわかっているとします。グリッドを構築し、最小二乗誤差の点を選択して最適化します。

a=np.arange(-10.0, 10.01, 2.0)
nodes=np.array(np.meshgrid(a,a,a)).T.reshape(-1,3) #3-d cartesian product with array of nodes

1331 個のノードのそれぞれについて、長さ 100 の戻り値の 1331 個すべてを計算したいと思います。

res=[]
x=np.random.uniform(-5.0,5.0, 100)
for node in nodes:
    res.append(quadratic_func(*node, x=x))

x で quadratic_func を呼び出した結果である 100 個の値を持つ 1331 個のアイテムのリストを取得するためにブロードキャストを利用するにはどうすればよいですか? 答えは、ベクトル化、ブロードキャストなどを使用して、私が探している桁違いの速度向上を得る必要があります。また、答えはquadratic_funcへの呼び出しを使用する必要があります-またはより一般的にはmy_func（* node、x = x）です。

実生活では、凸に近くなく、多くの極小値を持つ非線形関数を最適化しています。「正しい」極小値に到達できる場合に使用するのに最適な関数形式です。その方法は既に知っていますが、より速く到達したいと考えています!

4

1 に答える 1

1

broadcastingとnp.einsum-の組み合わせを使用する 1 つのアプローチ

np.einsum('ij,jk->ik',nodes,x**np.array([2,1,0])[:,None])

行列乗算を使用する別のものnp.dot-

nodes.dot(x**np.array([2,1,0])[:,None])
于 2016-10-19T20:48:48.450 に答える