加速Python Numpy代码

我有以下代码：

big_k = gabor((height * 2, width *2), (height, width))
for r_slice in range(0,radialSlices):
  r_pixels = r_slice * radialWidth
  for a_slice in range(0,angularSlices):
    a_pixels = a_slice * angularWidth
    k_win = big_k[height - r_pixels:2*height - r_pixels,width - a_pixels:2 * width - a_pixels]
    result = np.sum(img * k_win)

img

是一个640x480的

uint8

阵列，

big_k

是

complex64

1280x960

此代码相当于1024个640x480矩阵乘法和对complex64的转换

---

这段代码在我的macbook上运行大约需要2秒；我想尝试获得100倍的加速。我能做什么？

您所做的看起来有点像卷积运算，所以我建议尝试使用卷积运算来实现它。卷积可以通过基于FFT的方法非常有效地计算，并在SciPy中实现为

SciPy.signal.fftconvolve

您实际想要实现什么？实际上，这看起来就像一个大卷积。如果是这种情况，可以尝试使用Scipy的卷积函数，或者使用基于FFT的卷积方法。其思想是在图像的多个点上应用一个以点为中心的滤波器，然后取每个点上的结果值之和。仔细想想，它类似于卷积。我能把这两个数据进行卷积，然后在每个点上取结果吗？在这种情况下也不需要求和，好吗？还是我误解了？基本上，是的。卷积可能要快得多，您可以在图像中的每个点（或仅在选定点，由您选择）获得结果。试试看

scipy.signal.fftconvolve

。好吧，太棒了，我刚试过。加速大约是2-3倍，这是一个巨大的进步，加上一个更“性感”的解决方案。这完全改变了代码，所以我猜这个问题得到了回答！我可以从这里继续优化。如果你想把答案写在下面，我会接受的！谢谢