Question

我需要加快下面的简单代码的速度。我已经使用numba和pypy，执行时间大约需要0.00018秒。但是我需要增加执行时间。有什么办法吗？

编辑1

我有一个巨大的矩阵，例如250000x6000。对于每个元素，我必须运行以下代码。我使用10核的并行处理。这意味着（250000 * 6000 * 0.00018秒/ 10）大约7或8个小时。

编辑2 ：
  例如：   我从0到3000
  Bn是3001x1浮点数组
  value，part和normx是浮点标量
  腿是3001x1浮点数组

i = np.arange(Lmin,Lmax+1)
kernel = np.sum(((2*i+1)/part)*((value)**(i+1))*leg[i]*Bn[i]*((i-1)/normx))

到目前为止我尝试过的（最快的）

 @njit
 def trial(normx,Lmin,Lmax,Bn,)
     kernel = 0
     part = something*4*np.pi
     value = some value/normx
     leg = some.funtions()
     for i in range(Lmin,Lmax+1)
         kernel += ((2*i+1)/part)*((value)**(i+1))*leg[i]*Bn[i]
 return(kernel)

Answer 1

在此计算中，乘法并不费时。但是，求幂((value)**(i+1))的成本很高，而且可能没有必要。还不清楚您是否在函数中使用全局变量。如果是这样，请避免。

原始实施

@nb.njit(fastmath=True,error_model="numpy")
def trial_orig(part,value,Lmin,Lmax,Bn,leg):
    kernel = 0.
    for i in range(0,Lmax+1):
        kernel += ((2*i+1)/part)*((value)**(i+1))*leg[i]*Bn[i]
    return kernel

避免取幂

请注意，fact与其自身重复乘以仅在代数上与直接乘幂计算相同。由于这是数字数学，因此结果可能会略有不同。

@nb.njit(fastmath=True,error_model="numpy")
def trial_mod(part,value,Lmin,Lmax,Bn,leg):
    #I assume that Lmin is always >0
    assert Lmin>=0.
    kernel = 0.
    fact=value**(Lmin+1)
    for i in range(Lmin,Lmax):
        kernel += ((2*i+1)/part)*fact*leg[i]*Bn[i]
        fact*=value
    return kernel

时间

leg=np.random.rand(3001)
Bn=np.random.rand(3001)
Lmin=0
Lmax=3000
part=15.
value=0.8

%timeit trial_orig(part,value,Lmin,Lmax,Bn,leg)
100 µs ± 1.11 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%timeit trial_mod(part,value,Lmin,Lmax,Bn,leg)
4.25 µs ± 21.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

我可以在python3中提高数组乘法的速度吗

1 个答案: