Question

是否有可能使用numba加速np.take？

这是我的尝试，但速度要慢得多。我不能使用nopython模式，因为它不喜欢np.empty_like命令。

import numba
import numpy as np
from timer import Timer    

def take( x, indices ):
    result = np.empty_like( indices, dtype=x.dtype )    
    for i in range( len( indices ) ):
        result[i] = x[ indices[ i ] ]
    return result

jtake = numba.jit("f4[:](f4[:],i4[:])" )( take )

if __name__=='__main__':

    N = 100000
    m = 100
    idx = np.random.random_integers( 0, N, m )
    x = np.random.randn( N )

    num_tests=10000

    with Timer( 'take' ):
        for i in range( num_tests ):    
            r0 = take( x, idx )

    with Timer( 'Numba take' ):
        for i in range( num_tests ):    
            r1 = jtake( x, idx )                

    with Timer( 'Numpy.take' ):
        for i in range( num_tests ):
            r2 = x.take( idx )

结果如下：

Beginning take
take took 2.46 seconds
Beginning Numba take
Numba take took 1.11 seconds
Beginning Numpy.take
Numpy.take took 0.04 seconds

Answer 1

答案是否定的。

Numba不会对np.take()等编译函数或使用花式索引的数组方法起作用，这是您算法的基础。 Numba对代码的解释部分起作用。

你的take()函数可能比NumPy有更多的开销，Numba改进了for循环（解释）。

使用NumPy＆gt; 1.9你的代码应该接近NumPy，因为你的算法是基于花哨的索引而they improved the fancy indexing efficiency是基于np.take()的水平。

加快与numba的关系？

1 个答案: