如何使用numpy加速Python代码？

original

和

Mutated

是图像。 我需要分别得到每个r，g，b的差。我让这个代码工作，但它是缓慢的。如果能帮上忙，那就太好了！：）

---

如果您不进行额外的压缩，然后对每个维度进行求和，而不是使用numpy的求和函数，那么速度应该会快得多：

DeltaRed   = np.sum(OR) - np.sum(MR)
DeltaGreen = np.sum(OG) - np.sum(MG)
DeltaBlue = np.sum(OB) - np.sum(MB)

---

如果您不进行额外的压缩，然后对每个维度进行求和，而不是使用numpy的求和函数，那么速度应该会快得多：

DeltaRed   = np.sum(OR) - np.sum(MR)
DeltaGreen = np.sum(OG) - np.sum(MG)
DeltaBlue = np.sum(OB) - np.sum(MB)

---

这里有一种方法可以在一次求和中使用-

下面是另一个，当使用

uint8

图像时，希望更快-

org_diff = np.einsum('ijk->k',Orginal.astype('uint64'))
mut_diff = np.einsum('ijk->k',Mutated.astype('uint64'))
DeltaRed, DeltaGreen, DeltaBlue = org_diff - mut_diff

---

这里有一种方法可以在一次求和中使用-

下面是另一个，当使用

uint8

图像时，希望更快-

org_diff = np.einsum('ijk->k',Orginal.astype('uint64'))
mut_diff = np.einsum('ijk->k',Mutated.astype('uint64'))
DeltaRed, DeltaGreen, DeltaBlue = org_diff - mut_diff

---

这就是从一开始就有效的代码

    Fittnes = 0

    for x in range(0, 299):

        for y in range(0, 299):

            DeltaRed   = (Orginal[x][y][0] - Mutated[x][y][0])
            DeltaGreen = (Orginal[x][y][1] - Mutated[x][y][1])
            DeltaBlue  = (Orginal[x][y][2] - Mutated[x][y][2])

            Fittnes += (DeltaRed * DeltaRed + DeltaGreen * DeltaGreen + DeltaBlue * DeltaBlue)

   return Fittnes

---

这就是从一开始就有效的代码

    Fittnes = 0

    for x in range(0, 299):

        for y in range(0, 299):

            DeltaRed   = (Orginal[x][y][0] - Mutated[x][y][0])
            DeltaGreen = (Orginal[x][y][1] - Mutated[x][y][1])
            DeltaBlue  = (Orginal[x][y][2] - Mutated[x][y][2])

            Fittnes += (DeltaRed * DeltaRed + DeltaGreen * DeltaGreen + DeltaBlue * DeltaBlue)

   return Fittnes

---

---

你想重做python部分吗？因为有一种方法可以加速numpy本身，所以使用intel MKL可以获得更好的代码。任何更好的解决办法都是helpfull@SeverinPappadeuxMKL仅与线性代数运算相关，例如矩阵积。简单的矢量化减法和求和由numpy的内部而不是外部库处理？因为有一种方法可以加速numpy本身，所以使用intel MKL可以获得更好的代码。任何更好的解决办法都是helpfull@SeverinPappadeuxMKL仅与线性代数运算相关，例如矩阵积。简单的矢量化减法和求和是由numpy的内部库而不是外部库处理的。有什么方法可以进一步改进它吗？在我的电脑上，这至少可以使速度提高100倍。除此之外，我还必须了解您的特定用例。如果你对整个图像进行总结，所有额外的改进都会很小。有什么方法可以进一步改进吗？在我的电脑上，这至少可以让你的速度提高100倍。除此之外，我还必须了解您的特定用例。如果你对整个图像进行汇总，所有额外的改进都会很小。这会得到总的RGB变化，我需要他们计算每个像素的RGB差异，并得到所有像素组合的总RGB变化。@Funktiona`RGB difference for each pixel`将是

原始-变异的

，对吗？所有像素组合的总RGB变化将如解决方案中所列？请看下面的“我的代码”。他们做的和你的不一样solutions@Funktiona原始和变异的数据类型是什么？它们都是numpy。一旦获得总RGB变化，我需要它们计算每个像素的RGB差异，并获得所有像素组合的总RGB变化。@Funktiona“每个像素的RGB差异”将是原始变异的，对吗？所有像素组合的总RGB变化将如解决方案中所列？请看下面的“我的代码”。他们做的和你的不一样solutions@Funktiona原始和变异的数据类型是什么？它们是numpy.asarray