Question

编辑我保留了下面我面临的更复杂的问题，但我对np.take的问题可以更好地总结如下。假设您有一个形状为img的数组(planes, rows)，另一个形状为lut的数组(planes, 256)，并且您希望使用它们来创建一个新数组out形状(planes, rows)，其中out[p,j] = lut[p, img[p, j]]。这可以通过如下的花式索引来实现：

In [4]: %timeit lut[np.arange(planes).reshape(-1, 1), img]
1000 loops, best of 3: 471 us per loop

但是，如果你使用take和python循环来代替花哨的索引而不是planes那么事情可以大大加快：

In [6]: %timeit for _ in (lut[j].take(img[j]) for j in xrange(planes)) : pass
10000 loops, best of 3: 59 us per loop

lut和img可以重新排列，以便在没有python循环的情况下完成整个操作，但使用numpy.take（或替代方法）而不是传统的花式索引保持速度优势？

原始问题 我有一组想要在图像上使用的查找表（LUT）。保持LUT的数组的形状为(planes, 256, n)，图像的形状为(planes, rows, cols)。两者都是dtype = 'uint8'，匹配LUT的256轴。我们的想法是通过LUT的p平面中的每个n LUT运行图像的p平面。

如果我的lut和img如下：

planes, rows, cols, n = 3, 4000, 4000, 4
lut = np.random.randint(-2**31, 2**31 - 1,
                        size=(planes * 256 * n // 4,)).view('uint8')
lut = lut.reshape(planes, 256, n)
img = np.random.randint(-2**31, 2**31 - 1,
                    size=(planes * rows * cols // 4,)).view('uint8')
img = img.reshape(planes, rows, cols)

在使用像这样的花哨索引之后，我可以实现我的目标

out = lut[np.arange(planes).reshape(-1, 1, 1), img]

它给了我一个形状(planes, rows, cols, n)的数组，其中out[i, :, :, j]保持i的{{1}}平面贯穿img - LUT LUT的j - 平面......

一切都很好，除此之外：

这是完全不可接受的，特别是因为我使用In [2]: %timeit lut[np.arange(planes).reshape(-1, 1, 1), img] 1 loops, best of 3: 5.65 s per loop以下所有不太好看的替代方案比运行得更快：

单个平面上的单个LUT快速运行x70：
```
np.take
```

运行所有所需组合的python循环几乎完成了x6：

In [2]: %timeit np.take(lut[0, :, 0], img[0])
10 loops, best of 3: 78.5 ms per loop

即使在LUT和图像中运行所有平面组合，然后丢弃In [2]: %timeit for _ in (np.take(lut[j, :, k], img[j]) for j in xrange(planes) for k in xrange(n)) : pass 1 loops, best of 3: 947 ms per loop不需要的平面，也比花哨索引更快：
```
planes**2 - planes
```

我能够提出的最快组合有一个迭代飞机的python循环并更快地完成x13：

In [2]: %timeit np.take(lut, img, axis=1)[np.arange(planes), np.arange(planes)]
1 loops, best of 3: 3.79 s per loop

当然，问题是如果没有任何python循环，In [2]: %timeit for _ in (np.take(lut[j], img[j], axis=0) for j in xrange(planes)) : pass 1 loops, best of 3: 434 ms per loop没有办法做到这一点？理想情况下，无论需要重塑还是调整大小都应该在LUT上进行，而不是图像，但我愿意接受人们可以提出的任何内容...

Answer 1

我要说的全部拳头我真的很喜欢你的问题。如果不重新排列LUT或IMG，则以下解决方案有效：

%timeit a=np.take(lut, img, axis=1)
# 1 loops, best of 3: 1.93s per loop

但是从结果中你必须查询对角线：a [0,0]，a [1,1]，a [2,2];得到你想要的。我试图找到一种方法只为对角线元素做索引，但仍然无法管理。

以下是重新排列LUT和IMG的一些方法：如果IMG中的索引为0-255，第一个平面，第二个平面为256-511，第三个平面为512-767，则以下情况有效，但这会阻止您使用{{1}这可能是个大问题......：

'uint8'

在我的机器中，你的解决方案仍然是最好的选择，而且非常合适，因为你只需要对角线评估，即plane1-plane1，plane2-plane2和plane3-plane3：

lut2 = lut.reshape(-1,4)
%timeit np.take(lut2,img,axis=0)
# 1 loops, best of 3: 716 ms per loop
# or
%timeit np.take(lut2, img.flatten(), axis=0).reshape(3,4000,4000,4)
# 1 loops, best of 3: 709 ms per loop

我希望这可以为您提供更好的解决方案。最好使用%timeit for _ in (np.take(lut[j], img[j], axis=0) for j in xrange(planes)) : pass # 1 loops, best of 3: 677 ms per loop和类似flatten()或np.apply_over_axes()的方法寻找更多选项，这似乎很有希望。

我使用下面的代码生成数据：

np.apply_along_axis()

使用numpy.take进行更快速的花式索引

1 个答案: