Question

我在python中有以下函数，我无法弄清楚如何以矢量化形式表达。对我来说，cov是一个numpy形状的阵列（2,2），mu是具有形状（2，）的平均向量，而xtp是形状（~50000,2）。我知道scipy提供了scipy.stats.multivariate_normal.pdf，但我正在尝试学习如何编写高效的矢量化代码。请

def mvnpdf(xtp, mu, cov):
    temp = np.zeros(xtp.shape[0])
    i = 0
    length = xtp.shape[0]
    const = 1 / ( ((2* np.pi)**(len(mu)/2)) * (np.linalg.det(cov)**(1/2)) )
    inv = np.linalg.inv(cov)
    while i < length:
        x = xtp[i]-mu
        exponent = (-1/2) * (x.dot(inv).dot(x))
        temp[i] =  (const * np.exp(exponent))
        i+=1
    return temp

Answer 1

向量化唯一棘手的部分是双<Directory Id="TARGETDIR" Name="SourceDir"> <Directory Id="ProgramFilesFolder"> <Directory Id="VS2015_ROOT_FOLDER">。让我们分开：

.dot

将它放在你的代码中，看它是否产生同样的东西。

有几种“矢量化”x = xtp - mu # move this out of the loop ddot = [i.dot(inv).dot(i) for i in x] temp = const * np.exp(-0.5 * ddot)的方法。我首先要尝试的是dot。在我的测试中，这是等效的：

einsum

我建议尝试一下，看它是否有效并加快速度。并且在交互式shell中使用较小的数组（不是~50000）进行这些计算。

我正在使用

进行测试

ddot = np.einsum('ij,jk,ik->i',x,inv,x)

由于这是一个学习练习，我会把细节留给你。

使用In [225]: x Out[225]: array([[ 0., 2.], [ 1., 3.], ... [ 7., 9.], [ 8., 10.], [ 9., 11.]]) In [226]: inv Out[226]: array([[ 1., 0.], [ 0., 1.]])，一个(2,2)的计算可能会更快地完成，而不是使用cov和det函数。但是inv迭代就是时间消费者。

如何以矢量化形式编写这个numpy代码？

1 个答案: