带滑动窗口的Numpy求和非常慢_Numpy_Sliding Window_Numpy Slicing

带滑动窗口的Numpy求和非常慢

numpy

带滑动窗口的Numpy求和非常慢,numpy,sliding-window,numpy-slicing,Numpy,Sliding Window,Numpy Slicing,代码：它可以工作，但最后两行需要花费很多时间，因为它们将在循环中。问题是“grid”变量包含一个窗口数组。我现在不知道如何加快这个过程让我们一点一点地简化问题-减少维度，并去掉最终的尺寸3维： shape = np.array([6, 6]) grid = np.array([x.ravel() for x in np.meshgrid(*[np.arange(x) for i, x in enumerate(shape)], indexing='ij')]).T slices = [tup

代码：

它可以工作，但最后两行需要花费很多时间，因为它们将在循环中。问题是“grid”变量包含一个窗口数组。我现在不知道如何加快这个过程

让我们一点一点地简化问题-减少维度，并去掉最终的尺寸3维：

shape = np.array([6, 6])
grid = np.array([x.ravel() for x in np.meshgrid(*[np.arange(x) for i, x in enumerate(shape)], indexing='ij')]).T
slices = [tuple(slice(box[i], box[i] + 2) for i in range(len(box))) for box in grid]
score = np.zeros((7,7,3))
column = np.random.randn(36, 12) #just for example

column
>> array([[  0,   1,   2,   3, ... 425, 426, 427, 428, 429, 430, 431]])

column = column.reshape((16, 3, 3, 3))
for i, window in enumerate(slices):
        score[window] += column[i]
score
>> array([[[0.000e+00, 1.000e+00, 2.000e+00],
    [3.000e+01, 3.200e+01, 3.400e+01],
    [9.000e+01, 9.300e+01, 9.600e+01], ... 
    [8.280e+02, 8.300e+02, 8.320e+02],
    [4.290e+02, 4.300e+02, 4.310e+02]]])

这是一个移动窗口-一（3,3）数组，移位1，…，下移1，等等

使用

as_stripped

可以构建数组的视图，该视图由所有这些窗口组成，但不需要实际复制值。在我能够构建如下等效步幅之前，我已经使用了

as_-stride

：

In [265]: shape = np.array([4,4])
In [266]: grid = np.array([x.ravel() for x in np.meshgrid(*[np.arange(x) for i
     ...: , x in enumerate(shape)], indexing='ij')]).T
     ...: grid = [tuple(slice(box[i], box[i] + 3) for i in range(len(box))) fo
     ...: r box in grid]
     ...: 
     ...: 
In [267]: len(grid)
Out[267]: 16
In [268]: score = np.arange(36).reshape(6,6)
In [269]: X = np.array([score[x] for x in grid]).reshape(4,4,3,3)
In [270]: X
Out[270]: 
array([[[[ 0,  1,  2],
         [ 6,  7,  8],
         [12, 13, 14]],

        [[ 1,  2,  3],
         [ 7,  8,  9],
         [13, 14, 15]],

        [[ 2,  3,  4],
         [ 8,  9, 10],
         [14, 15, 16]],

        ....
        [[21, 22, 23],
         [27, 28, 29],
         [33, 34, 35]]]])

这可以扩展到你的（28,28,3）维，并转化为求和

生成这样的移动窗口已在前面的SO问题中介绍过。它也在一个图像处理软件包中实现

适用于3通道图像

In [271]: score.shape
Out[271]: (6, 6)
In [272]: score.strides
Out[272]: (48, 8)
In [273]: ast = np.lib.stride_tricks.as_strided
In [274]: x=ast(score, shape=(4,4,3,3), strides=(48,8,48,8))
In [275]: np.allclose(X,x)
Out[275]: True

因为我们一次移动一个元素，所以

的步幅很容易从源步幅中导出

对于4x4车窗，只需更改形状即可

In [45]: arr.shape
Out[45]: (6, 6, 3)
In [46]: arr.strides
Out[46]: (144, 24, 8)
In [47]: arr[:3,:3,0]
Out[47]: 
array([[ 0.,  1.,  2.],
       [ 6.,  7.,  8.],
       [12., 13., 14.]])

In [48]: x = ast(arr, shape=(4,4,3,3,3), strides=(144,24,144,24,8))
In [49]: x[0,0,:,:,0]
Out[49]: 
array([[ 0.,  1.,  2.],
       [ 6.,  7.,  8.],
       [12., 13., 14.]])

在

@Divikar建议使用

skiliage

使用默认的

步骤=1

，结果是兼容的：

x = ast(arr, shape=(3,3,4,4,3), strides=(144,24,144,24,8))