Performance 用不同的常数向量化乘法
我试着用常数乘以不同的矩阵,通常矢量化会使这样的事情更快,但我不能完全理解这一点。假设我在做多项式展开,我有一个不同函数的常数列表Performance 用不同的常数向量化乘法,performance,numpy,vectorization,Performance,Numpy,Vectorization,我试着用常数乘以不同的矩阵,通常矢量化会使这样的事情更快,但我不能完全理解这一点。假设我在做多项式展开,我有一个不同函数的常数列表 for i in range(10): expansions[i,:,:] += c[i,k]*(matrix) 现在,这是一个简单的方法,但我想知道是否有这样的方法: expansions[:,:,:] += c[:,k]*(matrix) 其中,我将每个常数分别应用于“矩阵”。我试着在它上面堆很多“矩阵”,来创建一些大
for i in range(10):
expansions[i,:,:] += c[i,k]*(matrix)
现在,这是一个简单的方法,但我想知道是否有这样的方法:
expansions[:,:,:] += c[:,k]*(matrix)
其中,我将每个常数分别应用于“矩阵”。我试着在它上面堆很多“矩阵”,来创建一些大小(10xNxN)的东西,但这不起作用。有什么想法吗?你考虑过使用
np.einsum
?np.multiply.outer(c[:,k],矩阵)
?