我正在尝试在python中执行Fitted Value Iteration（FVI）（包括使用分段线性插值逼近5维函数）。
scipy.interpolate.griddata非常适用于此。但是，我需要将插值程序调用几千次（因为FVI是基于MC的算法）。
所以基本上，函数已知的点集是静态的（并且很大 - 比如32k），但我需要近似的点（这是原始集的小扰动）是非常大的（32k x 5000说）。
scipy.interpolate.griddata是否已将其移植到CUDA？ 或者，有没有办法以某种方式加快计算速度？
感谢。
答案 0 :(得分：1)
对于分段线性插值，文档说scipy.interpolate.griddata使用scipy.interpolate.LinearNDInterpolator的方法，后者又使用qhull对输入点进行Delaunay tesellation，然后执行标准重心插值，对于每个点，你必须确定每个点在哪个超四面体内，然后使用其barycentric coordinates作为超四面体节点值的插值权重。
可能难以并行化，但您可以使用scipy.spatial.Delaunay访问CPU版本。其他两个步骤很容易并行化，但我不知道任何可自由实现的实现。
如果您的已知功能点位于常规网格上，则描述here的方法在CUDA中特别容易实现，并且我已经使用了它的实际实现，尽管没有公开可用。
所以我担心你自己不得不做大部分工作......