Question

我正在将python3与np.linalg.norm一起用于计算矩阵（norm（axis = 1））中的行的范数，是否有一种简单的方法，仅使用np使其通过多线程或多芯运行？

Answer 1

我们可以使用支持多核处理的numexpr module-

import numexpr as ne

def linalg_norm(a):
    sq_norm = ne.evaluate('sum(a**2,1)')
    return ne.evaluate('sqrt(sq_norm)')

要沿其他任何轴执行范数约简，请在评估表达式-1中用该轴号替换'sum(a**2,1)'。

样品运行-

In [34]: np.random.seed(0)
    ...: a = np.random.rand(4,5)

In [35]: np.linalg.norm(a,axis=1)
Out[35]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])

In [36]: linalg_norm(a)
Out[36]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])

Related post了解如何控制多核功能。

为完整起见，几乎没有其他选择可以提出。

np.einsum-

是一种有效的解决方案

In [39]: np.sqrt(np.einsum('ij,ij->i',a, a))
Out[39]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])

使用np.matmul/@ operator on Python 3.x-

In [6]: np.sqrt(np.matmul(a[:,None],a[:,:,None])[:,0,0])
Out[6]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])

In [7]: np.sqrt((a[:,None] @ a[:,:,None])[:,0,0])
Out[7]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])

python 3如何在numpy linalg norm中使用多线程

1 个答案: