Question

我正在编写自己的脚本来计算两个信号之间的关系。因此，我使用mlab.csd和mlab.psd函数来计算信号的CSD和PSD。我的阵列x的形状为（120,68,68,815）。我的脚本运行几分钟，这个功能是这个时间很长的热点。

任何人都知道我应该怎么做？我不熟悉脚本性能的提高。谢谢！

# to read the list of stcs for all the epochs
with open('/home/daniel/Dropbox/F[...]', 'rb') as f:
    label_ts = pickle.load(f)

x = np.asarray(label_ts)
nfft = 512
n_freqs = nfft/2+1
n_epochs = len(x) # in this case there are 120 epochs
channels = 68
sfreq = 1017.25

def compute_mean_psd_csd(x, n_epochs, nfft, sfreq):
    '''Computes mean of PSD and CSD for signals.'''

    Rxy = np.zeros((n_epochs, channels, channels, n_freqs), dtype=complex)
    Rxx = np.zeros((n_epochs, channels, channels, n_freqs))
    Ryy = np.zeros((n_epochs, channels, channels, n_freqs))
    for i in xrange(0, n_epochs):
        print('computing connectivity for epoch %s'%(i+1))
        for j in xrange(0, channels):
            for k in xrange(0, channels):
                Rxy[i,j,k], freqs = mlab.csd(x[j], x[k], NFFT=nfft, Fs=sfreq)
                Rxx[i,j,k], _____ = mlab.psd(x[j], NFFT=nfft, Fs=sfreq)
                Ryy[i,j,k], _____ = mlab.psd(x[k], NFFT=nfft, Fs=sfreq)

    Rxy_mean = np.mean(Rxy, axis=0, dtype=np.float32)
    Rxx_mean = np.mean(Rxx, axis=0, dtype=np.float32)
    Ryy_mean = np.mean(Ryy, axis=0, dtype=np.float32)

    return freqs, Rxy, Rxy_mean, np.real(Rxx_mean), np.real(Ryy_mean)

Answer 1

如果csd和psd方法是计算密集型的，那么可能会有所帮助。有可能您可以简单地缓存先前调用的结果并获取它而不是多次计算。

看起来，你将有120 * 68 * 68 = 591872个周期。

在psd计算的情况下，应该可以缓存值而没有问题，方法只依赖于一个参数。

将值存储在dict中，以便x[j]或x[k]检查该值是否存在。如果该值不存在，请对其进行计算并存储。如果该值存在，则只需跳过该值并重新使用该值。

if x[j] not in cache_psd:
     cache_psd[x[j]], ____ = mlab.psd(x[j], NFFT=nfft, Fs=sfreq)
Rxx[i,j,k] = cache_psd[x[j]]

if x[k] not in cache_psd:
     cache_psd[x[k]], ____ = mlab.psd(x[k], NFFT=nfft, Fs=sfreq)
Ryy[i,j,k] = cache_psd[x[k]]

您可以使用csd方法执行相同的操作。我不太了解它可以说更多。如果参数的顺序无关紧要，您可以按排序顺序存储这两个参数，以防止重复，例如2, 1和1, 2。

只有当内存访问时间低于计算时间和存储时间时，使用缓存才能使代码更快。可以使用memoization的模块轻松添加此修复程序。

这是一篇关于进一步阅读的备忘录的文章：

http://www.python-course.eu/python3_memoization.php

Python提高了功能速度

1 个答案: