Julia等效于movmean（数组、窗口、dims）？

我在linux机器上使用julia 0.7.0、NCDatasets.jl和Images.jl来分析大约80GB的数据集。我没有加载很多变量，第一步是做matlab的等效

a = moveman(movemean(movemean(array,window,1),window,2),window,4))

其中数组是（256256,80600）浮点数组。为此，我试着说：

filtered = imfilter(array, centered(ones(window_h,window_h,1,window_t)/(window_t*window_h*window_h)),Inner())

然而，这会导致TB的分配，最终会占用我所有的内存并花费很长时间。与我的julia行相比，matlab行运行得很好，占用的时间也不多，这表明我正在以非最佳方式做一些事情

---

有人能提供一些见解吗？

不太熟悉matlab，我猜这是移动平均值

然后它是线性的，要做movemean（movemean，movemean…）

你可以计算一个等式，比如

（3*阵列[current]+3*阵列[current-1]+2*阵列[current-2]）/8

---

然后通过数组回答我自己的问题，基于在的讨论：我继续使用Images包，特别是ImageFiltering，方法如下。 首先，我定义用于平滑的内核。 这个内核将通过计算它和我们正在过滤的数组之间的相关性来使用

使用factores内核的不同之处在于，每个过滤器将分别应用，这将改变从

窗口\u h x窗口\u h x窗口\u t

到

窗口h+窗口h+窗口t

正如在报告中所解释的那样

请注意，内核在第三维中使用[1.0]，因为我的数组是一个4维数组，并且我在前二维和第四维上进行平滑处理

using ImageFiltering  

function kernel4d_2(window_h,window_t)
    kernel_h = ones(window_h)/window_h
    kernel_t = ones(window_t)/window_t
    return kernelfactors((kernel_h, kernel_h, [1.0], kernel_t))
end

然后我定义了一个函数，将这个内核作为过滤器应用，并返回过滤后的数组

function filter_array(array,window_x,window_t)
        filtered = imfilter(array, kernel4d_2(window_x,window_t))
end   

这允许将阵列筛选为：

filtered = filter_array(unfiltered,window_x,window_t)

---

谢谢，这是一个很好的方法，但是当你想使用更大的窗口时，它会变得很困难。