Python 执行双重求和的最佳方法
例如,假设易于执行十万次操作,我如何优化计算Gxx?如果我只是使用嵌套for循环来执行求和,则需要很长时间。有没有一种方法可以使用求和函数或其他方法来提高此过程的效率 作为参考,我当前的psuedo代码执行以下操作:Python 执行双重求和的最佳方法,python,performance,math,sum,Python,Performance,Math,Sum,例如,假设易于执行十万次操作,我如何优化计算Gxx?如果我只是使用嵌套for循环来执行求和,则需要很长时间。有没有一种方法可以使用求和函数或其他方法来提高此过程的效率 作为参考,我当前的psuedo代码执行以下操作: rrange=range(r-(rows-1)/2,r+(rows-1)/2) crange=range(c-(cols-1)/2,c+(cols-1)/2) Gxx=0 for rval,cval in product(rrange,crange): #sum(
rrange=range(r-(rows-1)/2,r+(rows-1)/2)
crange=range(c-(cols-1)/2,c+(cols-1)/2)
Gxx=0
for rval,cval in product(rrange,crange):
#sum( for x in range())
Gxx+=(someval(rval,cval)-someval2)^2
对于计算Gxx(r,c)元素的单个元素,您无法优化任何内容。这是合乎逻辑的:毕竟你对x的结构一无所知,所以你必须阅读范围内的所有xj,i元素 但是,如果需要计算整个矩阵,情况会发生变化。在这种情况下,您可以重用计算上一个元素所做的工作 首先是一些基础数学。因为x-bar(r,c)不依赖于j或i,所以在这个过程中它是一个常数。现在我们知道:
(a-b)^2 = a^2+b^2-2*a*b
如果你把它替换回x-bar a常数。因此,如果您将其应用于某个信息,您可以声明:
--- ---
\ \
/ (x_ji-b)^2 = / x_ji^2-2*b*x_ji+b^2 = S-2*s*b-D*b^2
--- ---
i,j i,j
用x元素的S
平方和和S表示x元素的和
现在,如果你看一个矩阵,第一次迭代,你使用矩阵的某个域:
x x x x x x x x x
/-------\
x |x x x| x x x x x
| |
x |x x x| x x x x x
| |
x |x x x| x x x x x
\-------/
x x x x x x x x x
在下一次迭代中,您只需将范围进一步移动一个元素,以便:
x x x x x x x x x
/-------\
x x |x^ x^ x| x x x x
| |
x x |x^ x^ x| x x x x
| |
x x |x^ x^ x| x x x x
\-------/
x x x x x x x x x
用^
表示的x
s换句话说是重用的。所以我们能做的就是使用某种滑动窗口
因此,您第一次计算元素的总和和平方和时(存储它们)。下次每次移动“光标”时,再次减去不再在范围内的行列,并添加在范围内出现的列。因此,基本算法是:
for r in range (rmin,rmax) :
sum = 0
sumsq = 0
jmin = r-(rows-1)/2
jmax = r+(rows-1)/2
#calculate sum and sum of square of the first
imin = cmin-(cols-1)/2
imax = cmin+(cols-1)/2
for j,i in product(range(jmin,jmax),range(imin,imax)) :
xji = x(j,i) #cache xji
sum += xji
sumsq += xji * xji
d = (jmax-jmin)*(imax-imin)
#now we can calculate the first element of the row
xb = xbar(r,cmin)
Gxx(r,cmin) = sumsq-2*sum*xb+d*xb*xb
#now iterate over all elements (except the first)
for c in range(cmin+1,cmax) :
isub = c-1-(cols-1)/2 #column to remove, (previous column = -1)
iadd = c+(cols-1)/2 #column to add
for j in range(jmin,jmax) :
xji = x(j,isub)
sum -= xji
sumsq -= xji*xji
xji = x(j,iadd)
sum += xji
sumsq += xji*xji
#Now the sums and the sum of squares are updated
xb = xbar(r,c)
Gxx(r,c) = sumsq-2*sum*xb+d*xb*xb
我认为将有一些工作,以适应算法,但它应该是可行的。此外,请先检查一个小实例,看看它是否工作正常。小的舍入误差是可能的
如果
列
和行
很小,这不会有太大的区别,但如果它们很大,则会产生巨大的提升。r,c的x-bar是什么,它与x_j,i有什么关系?@CommuSoft忽略这些奇怪的符号,它可以是任何东西,我只是在寻找一种无需forloop就能优化双求和的方法。如果它们不相关,那么你再优化也比不上天真了。然而,这看起来很模糊,要么是卷积滤波器,要么是一个滤波器。在这两种情况下都可以优化。我假设您需要计算整个Gxx矩阵(所以所有可能的r和c)?谢谢,我来看看