Python3如何在numpy linalg norm中使用多线程
我使用python3 with来计算矩阵normaxis=1中的行的范数,是否有一种简单的方法,仅使用np使其使用多线程或多线程运行 我们可以使用支持多核处理的-Python3如何在numpy linalg norm中使用多线程,python,python-3.x,multithreading,numpy,linear-algebra,Python,Python 3.x,Multithreading,Numpy,Linear Algebra,我使用python3 with来计算矩阵normaxis=1中的行的范数,是否有一种简单的方法,仅使用np使其使用多线程或多线程运行 我们可以使用支持多核处理的- import numexpr as ne def linalg_norm(a): sq_norm = ne.evaluate('sum(a**2,1)') return ne.evaluate('sqrt(sq_norm)') 若要沿任何其他轴执行范数缩减,请在求值表达式“suma**2,1”中将1替换为该轴编号
import numexpr as ne
def linalg_norm(a):
sq_norm = ne.evaluate('sum(a**2,1)')
return ne.evaluate('sqrt(sq_norm)')
若要沿任何其他轴执行范数缩减,请在求值表达式“suma**2,1”中将1替换为该轴编号
样本运行-
In [34]: np.random.seed(0)
...: a = np.random.rand(4,5)
In [35]: np.linalg.norm(a,axis=1)
Out[35]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])
In [36]: linalg_norm(a)
Out[36]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])
关于如何控制多核功能
为了完整性,可以提出的备选方案很少
一个有效的解决方案是使用np.einsum-
在Python3.x上使用np.matmul/@运算符-
我想您可以尝试使用numba-lib支持请求的方法。这是一个可靠的想法,但我的目标是一个纯粹的numpy,它在很多地方都是多线程的。@如果你正在寻找一个内置的numpy,则没有任何AFAIK。
In [39]: np.sqrt(np.einsum('ij,ij->i',a, a))
Out[39]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])
In [6]: np.sqrt(np.matmul(a[:,None],a[:,:,None])[:,0,0])
Out[6]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])
In [7]: np.sqrt((a[:,None] @ a[:,:,None])[:,0,0])
Out[7]: array([1.28545589, 1.57467272, 1.4460319 , 1.43656019])