給定功能：def f(x, c=0.7): if x >= 0: if x <= c: return 0.0 if x <= 2*c: return x-c else: return c else: return -f(-x, c=c)我想將它應用于 NumPy 數組。我曾經這樣做過np.vectorize，但我失敗了。這里有什么想法？
2 回答
有只小跳蛙
TA貢獻1824條經驗 獲得超8個贊
我只是想從文檔中指出以下內容np.vectorize：
提供該vectorize功能主要是為了方便，而不是為了性能。該實現本質上是一個 for 循環。
所以，實際上，你并沒有在這里使用 NumPy 的矢量化能力。使用 NumPy 的布爾數組索引和np.where，您可以重寫您的函數，這樣您就有了“真正的”矢量化。
這是我這邊的一個想法。我不得不承認，實際的代碼看起來很丑陋，但是通過預先計算布爾數組，我們可以最大限度地減少處理時間和內存使用量。
def f_vec(x, c=0.7):
# Initialize output array of same size and type as input array
out = np.zeros_like(x)
# Pre-calculate boolean arrays to prevent multiple calculation in following steps
x_gtq_0 = (x >= 0)
x_lt_0 = (x < 0)
x_gt_c = (x > c)
x_ltq_2c = (x <= 2 * c)
x_gt_2c = (x > 2 * c)
abs_x = np.abs(x)
abs_x_gt_c = abs_x > c
abs_x_ltq_2c = abs_x <= 2 * c
abs_x_gt_2c = (abs_x > 2 * c)
# Re-writing if-else blocks as operations on before calculated boolean arrays
out[np.where(x_gtq_0 & x_gt_c & x_ltq_2c)] = x[np.where(x_gtq_0 & x_gt_c & x_ltq_2c)] - c
out[np.where(x_gtq_0 & x_gt_2c)] = c
out[np.where(x_lt_0 & abs_x_gt_c & abs_x_ltq_2c)] = c - abs_x[np.where(x_lt_0 & abs_x_gt_c & abs_x_ltq_2c)]
out[np.where(x_lt_0 & abs_x_gt_2c)] = -c
return out
我添加了以下小型測試功能來進行一些比較：
def test(x):
print(x.shape)
vfunc = np.vectorize(f)
tic = time.perf_counter()
res_func = vfunc(x, c=0.7)
print(time.perf_counter() - tic)
tic = time.perf_counter()
res_vec = f_vec(x, c=0.7)
print(time.perf_counter() - tic)
print('Differences: ', np.count_nonzero(np.abs(res_func - res_vec) > 10e-9), '\n')
test((np.random.rand(10) - 0.5) * 4)
test((np.random.rand(1000, 1000) - 0.5) * 4)
test((np.random.rand(1920, 1280, 3) - 0.5) * 4)
這些是結果：
(10,)
0.0001590869999999467
7.954300000001524e-05
Differences: 0
(1000, 1000)
1.53853834
0.0843256779999999
Differences: 0
(1920, 1280, 3)
10.974010127
0.7489308680000004
Differences: 0
np.vectorize因此，在性能方面，對于較大的輸入，與實際矢量化方法之間的差異是巨大的。不過，如果np.vectorize解決方案足以滿足您的輸入，并且您不想花太多精力重新編寫代碼，請堅持下去！正如我所說，我只是想表明，矢量化不僅僅如此。
希望有幫助！
----------------------------------------
System information
----------------------------------------
Platform: Windows-10-10.0.16299-SP0
Python: 3.8.1
NumPy: 1.18.1
----------------------------------------
UYOU
TA貢獻1878條經驗 獲得超4個贊
此功能適用于您的功能。試試看：
vfunc = np.vectorize(f) vfunc(a, c=0.7)
如果您仍然遇到錯誤 - 請使用輸入數據示例發布它們
添加回答
舉報
0/150
提交
取消