向Python化/ Numpy中的循环向量化可能吗？

我想加快我的代码，目前需要一个多小时才能在Python/Numpy中运行。大部分计算时间出现在粘贴在下面的函数中。向Python化/ Numpy中的循环向量化可能吗？

我想向量化Z，但是我发现它对于三重循环很难。我能否在某处实施numpy.diff功能？请看：

def MyFESolver(KK,D,r,Z): 
    global tdim 
    global xdim 
    global q1 
    global q2 
    for k in range(1,tdim): 
     for i in range(1,xdim-1): 
      for j in range (1,xdim-1): 
       Z[k,i,j]=Z[k-1,i,j]+r*q1*Z[k-1,i,j]*(KK-Z[k-1,i,j])+D*q2*(Z[k-1,i-1,j]-4*Z[k-1,i,j]+Z[k-1,i+1,j]+Z[k-1,i,j-1]+Z[k-1,i,j+1]) 
    return Z

tdim = 75xdim = 25

来源

2012-10-25 Zack

尝试行'Z [1 :, 1：-1,1：-1] = Z [： - 1,1：-1,1：-1 ] + R * q1 * Z [：-1,1：-1,1：-1] *（KK-Z [：-1,1：-1,1：-1]）+ D * q2 *（Z [：-1，... -2,1：-1] -4 * Z [：-1,1：-1,1：-1] + Z [：-1,2 :, 1：-1] + Z [：-1,1：-1，：-2] + Z [： - 1，1：-1，2：]）'而不是你的三元组。 – halex

不相关，但很重要：您可能想重新检查使用'global'关键字。你的情况没用。 – Simon

这看起来像用Cython理想的情况下。我建议在Cython中编写这个函数，它可能会快几百倍。

来源

2012-10-25 11:07:59 tiago

我同意，这很棘手，因为所有四边的BCs都破坏了刚度矩阵的简单结构。你可以摆脱空间的循环这样：

from pylab import * 
from scipy.sparse.lil import lil_matrix 
tdim = 3;  xdim = 4; r = 1.0; q1, q2 = .05, .05; KK= 1.0; D = .5 #random values 
Z = ones((tdim, xdim, xdim)) 
#Iterate in time 
for k in range(1,tdim): 
    Z_prev = Z[k-1,:,:] #may need to flatten 
    Z_up = Z_prev[1:-1,2:] 
    Z_down = Z_prev[1:-1,:-2] 

    Z_left = Z_prev[:-2,1:-1] 
    Z_right = Z_prev[2:,1:-1] 

    centre_term = (q1*r*(Z_prev[1:-1,1:-1] + KK) - 4*D*q2)* Z_prev[1:-1,1:-1] 

    Z[k,1:-1,1:-1]= Z_prev[1:-1,1:-1]+ centre_term + q2*(Z_up+Z_left+Z_right+Z_down)

但我不认为你可以摆脱时间循环的...

我想表达：

Z_up = Z_prev[1:-1,2:]

在numpy中制作副本，而你想要的是一个视图 - 如果你能想出如何做到这一点 - 它应该更快（多少？）

最后，我同意其余的回答者 - 来自经验e，这种循环最好在C中完成，然后包装成numpy。但上面应该比原来快...

来源

2012-10-25 12:17:22

是的，除了时间循环外，其他所有的东西都可以矢量化。 Numpy总是为切片操作创建视图。 – seberg

向Python化/ Numpy中的循环向量化可能吗？

回答

相关问题