假设我们有一个如下定义的函数,我们希望iterate over n from 1 to L
,我对矢量化代码的影响很大,因为这个代码相当慢,因为需要在外部调用for循环这个功能。
详细信息:L, K
是大整数,例如1000和H_n
是浮点值。
def multifrac_Brownian_motion(n, L, K, list_hurst, ind_hurst):
t_ks = np.asarray(sorted(-np.array(range(1, K + 1))*(1./L)))
t_ns = np.linspace(0, 1, num=L+1)
t_n = t_ns[n]
chi_k = np.random.randn(K)
chi_lminus1 = np.random.randn(L)
H_n = get_hurst_value(t_n, list_hurst, ind_hurst)
part1 = 1./(np.random.gamma(0.5 + H_n))
sums1 = np.dot((t_n - t_ks)**(H_n - 0.5) - ((-t_ks)**(H_n - 0.5)), chi_k)
sums2 = np.dot((t_n - t_ns[:n])**(H_n - 0.5), chi_lminus1[:n])
return part1*(1./np.sqrt(L))*(sums1 + sums2)
for n in range(1, L + 1):
onelist.append(multifrac_Brownian_motion(n, L, K, list_hurst, ind_hurst=ind_hurst))
更新
def list_hurst_funcs(M, seg_size=10):
"""Generate a list of Hurst function components
Args:
M: Int, number of hurst functions
seg_size: Int, number of segmentations of interval [0, 1]
Returns:
list_hurst: List, list of hurst function components
"""
list_hurst = []
for i in range(M):
seg_points = sorted(np.random.uniform(size=seg_size))
funclist = np.random.uniform(size=seg_size + 1)
list_hurst.append((seg_points, funclist))
return list_hurst
def get_hurst_value(x, list_hurst, ind):
if np.isscalar(x):
x = np.array(float(x), ndmin=1)
seg_points, funclist = list_hurst[ind]
condlist = [x < seg_points[0]] +\
[(x >= seg_points[s] and x < seg_points[s + 1])
for s in range(len(seg_points) - 1)] +\
[x >= seg_points[-1]]
return np.piecewise(x, condlist=condlist, funclist=funclist)
答案 0 :(得分:0)
解决这类问题的一种方法是(尝试)了解大局,并采用不同的方法将所有内容视为2d或更大(LxK阵列)。另一种方法是检查multifrac_Brownian_motion
,试图加快速度,并在可能的情况下消除依赖于标量或1d数组的步骤。换句话说,从内到外工作。如果我们得到足够的速度提升,那么我们必须在循环中调用它并不重要。更好的是,这种改进提出了在高维度上运作的方式。
作为从内到外的开始,我建议将t_ks
calc替换为:
t_ks = -np.arange(K,0,-1)/L # 1./L if required by Py2 integer division
由于list_hurst
,ind_hurst
对于所有n
都相同,我怀疑您可以在循环外移动一些耗时get_hurst_value
的部分。
但我会尽最大努力改善condlist
建设。这个列表理解深埋在你的外环中。
piecewise
也会循环播放seg_points
。