Question

我有一个这样的工作代码，但速度很慢。

def halfconvolution(g,w,dz):
    convo=np.zeros_like(g)
    for i in range(0,len(g)):
        sum=0
        for j in range(0,i):
            sum+=g[j]*w[(i-j)]*dz
        convo[i] = -sum
    return convo

我试图把它变成列表理解，但我正在努力我试过了：

convo=[-g*w[i-j] for i in g for j in w]

Answer 1

我不确定这是否会提高性能，但是当你问到

时，这是一个列表理解

# make the matrices square
g = np.repeat(g, g.shape[0]).reshape(g.shape[0], g.shape[0], order='F')
w = np.repeat(w, w.shape[0]).reshape(w.shape[0], w.shape[0], order='F')

# take the lower half of g
g = np.tril(g, k=-1)

# shift each column by its index number
# see: https://stackoverflow.com/questions/20360675/roll-rows-of-a-matrix-independently
rows_w, column_indices_w = np.ogrid[:w.shape[0], :w.shape[1]]
shift = np.arange(w.shape[0])
shift[shift < 0] += w.shape[1]
w = w[rows_w, column_indices_w - shift[:,np.newaxis]].T

convo = np.sum(g * w, axis=1) * dz

使用NumPy加快实施速度：

 @IBAction func postImage(_ sender: Any) {

    if let image = imageTopost.image {


        let post = PFObject(className: "Post")

        post["message"] = comment.text

        post["userId"] = PFUser.current()?.objectId

        if let imageData = UIImagePNGRepresentation(image){


            let activityIndicator = UIActivityIndicatorView(frame: CGRect(x:0, y: 0, width: 50, height: 50))
            activityIndicator.center = self.view.center
            activityIndicator.hidesWhenStopped = true
            activityIndicator.activityIndicatorViewStyle = UIActivityIndicatorViewStyle.gray
            view.addSubview(activityIndicator)
            activityIndicator.startAnimating()
            UIApplication.shared.beginIgnoringInteractionEvents()


            let imageFile = PFFile(name: "image.png", data: imageData)
            post["imageFile"] = imageFile
            post.saveInBackground(block: { (success, error) in


                activityIndicator.stopAnimating()
                UIApplication.shared.endIgnoringInteractionEvents()


                if success {
                    self.displayAlert(title: "Hat super geklappt", message: "Dein Ziel wurde erfolgreich hinzugefügt")
                    self.comment.text = ""
                    self.imageTopost.image = nil

                }else {

                    self.displayAlert(title: "Etwas ist schiefgelaufen" , message: "Dein Bild konnte leider nicht gespeichert werden. Versuche es nochmal. Dein Internet muss eingeschalten sein." )
                }
            })
        }
    }
}

要使它工作，它需要w和g的大小相同，否则我确定可以找到解决方法。

我希望这对你来说是一个更可接受的加速？总是尝试将逻辑/问题重写为向量/矩阵乘法。

Answer 2

内部循环可以用sum函数替换（不要用同名变量覆盖它）

然后将外部循环追加到

的末尾

Duplicate instance declarations:
      instance Show a => Show (Stack a) -- Defined at stackOp.hs:2:29
      instance Show a => Show (Stack a) -- Defined at stackOp.hs:11:10

Answer 3

出于性能原因，请不要使用列表推导

使用

Numba
用Cython
矢量化Numpy操作

<强> Numba

import numba as nb
import numpy as np
import time

@nb.njit(fastmath=True)
def halfconvolution(g,w,dz):
    convo=np.empty(g.shape[0],dtype=g.dtype)
    for i in range(g.shape[0]):
        sum=0.
        for j in range(0,i):
            sum+=g[j]*w[(i-j)]*dz
        convo[i] = -sum
    return convo

g=np.random.rand(1000)
w=np.random.rand(1000)
dz=0.15

t1=time.time()
for i in range(1000):
  #res=halfconvolution(g,w,dz)
  res=[-sum(g[j]*w[i-j]*dz for j in range(i)) for i in range(len(g))]

print(time.time()-t1)
print("Done")

<强>性能

List Comprehension: 0.27s per iteration 
Numba Version: 0.6ms per iteration

因此这两个版本之间存在500因子。如果你不想一次在多个阵列上调用这个函数，你也可以轻松地并行化这个问题，你应该至少得到另一个＆＃34;核心数量＆＃34;加快。

列表理解卷积

3 个答案: