Question

我目前正在尝试使用ipython的%prun魔法来优化一些代码。以下是%prun和%timeit的输出结果：

In [5]: %prun hogopt.findHOGFeatures(lenna)
         260114 function calls in 5.614 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    5.529    5.529    5.613    5.613 hogopt.py:5(findHOGFeatures)
   260100    0.066    0.000    0.066    0.000 {math.floor}
        2    0.017    0.009    0.017    0.009 {cv2.Sobel}
        1    0.001    0.001    5.614    5.614 <string>:1(<module>)
        1    0.001    0.001    0.001    0.001 {numpy.core.multiarray.array}
        1    0.000    0.000    0.000    0.000 {cv2.cv.GetMat}
        1    0.000    0.000    0.001    0.001 ImageClass.py:1977(getNumpyCv2)
        1    0.000    0.000    0.000    0.000 {numpy.core.multiarray.zeros}
        1    0.000    0.000    0.000    0.000 ImageClass.py:1804(getMatrix)
        3    0.000    0.000    0.000    0.000 {method 'transpose' of 'numpy.ndarray' objects}
        1    0.000    0.000    0.000    0.000 ImageClass.py:1769(getBitmap)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}


In [6]: %timeit hogopt.findHOGFeatures(lenna)
1 loops, best of 3: 5.25 s per loop

我的问题如下：

似乎math.floor负责大部分执行时间，但我想知道是谁调用它，因为它从未在我的代码中明确调用过。有没有办法获取这些信息？

以下是完整的功能定义，以防它可以提供一些见解。请注意，如果您确实想要运行它，则此函数需要SimpleCV：

from itertools import product


def findHOGFeatures(img, n_divs=6, n_bins=6):
    """
    **SUMMARY**
    Get HOG(Histogram of Oriented Gradients) features from the image.


    **PARAMETERS**
    * *img* * - SimpleCV image
    * *n_divs* - the number of divisions(cells).
    * *n_divs* - the number of orientation bins.

    **RETURNS**
    Returns the HOG vector in a numpy array

    """
    # Size of HOG vector
    n_HOG = n_divs * n_divs * n_bins

    # Initialize output HOG vector
    HOG = np.zeros((n_HOG, 1))
    # Apply sobel on image to find x and y orientations of the image
    Icv = img.getNumpyCv2()
    Ix = cv2.Sobel(Icv, ddepth=cv.CV_32F, dx=1, dy=0, ksize=3)
    Iy = cv2.Sobel(Icv, ddepth=cv.CV_32F, dx=0, dy=1, ksize=3)

    Ix = Ix.transpose(1, 0, 2)
    Iy = Iy.transpose(1, 0, 2)
    cellx = img.width / n_divs  # width of each cell(division)
    celly = img.height / n_divs  # height of each cell(division)

    img_area = img.height * img.width  # Area of image

    BIN_RANGE = (2 * pi) / n_bins  # Range of each bin

    angles = np.arctan2(Iy, Ix)
    magnit = ((Ix ** 2) + (Iy ** 2)) ** 0.5
    it = product(xrange(n_divs), xrange(n_divs), xrange(cellx), xrange(celly))
    for m, n, i, j in it:
        # grad value
        grad = magnit[m * cellx + i, n * celly + j][0]
        # normalized grad value
        norm_grad = grad / img_area
        # Orientation Angle
        angle = angles[m*cellx + i, n*celly+j][0]
        # (-pi,pi) to (0, 2*pi)
        if angle < 0:
            angle += 2 * pi
        nth_bin = floor(float(angle/BIN_RANGE))
        HOG[((m * n_divs + n) * n_bins + int(nth_bin))] += norm_grad

    return HOG.transpose()

Answer 1

实际上，您似乎在呼叫math.floor：

nth_bin = floor(float(angle/BIN_RANGE))

无论如何，这些调用仅花费0.066秒，总运行时间为5秒以上。你的时间似乎花在你的循环中。可能是因为它被执行了260100次（因为在你的循环中调用了楼层，并且有260100个记录调用它）。

如何确定哪个函数负责调用％prun列出的函数？

1 个答案: