分数计算时间过长：避免循环-python

我是python新手，需要您的帮助

我有三个矩阵，尤其是：

• 矩阵M（矩阵的类别：scipy.sparse.csc.csc_矩阵），维数：nxc
• 矩阵G（矩阵的类别：numpy.ndarray），维数：CxT
• 矩阵L（矩阵的类别：numpy.ndarray），维数：T×N

式中：N=10000，C=1000，T=20

我想计算一下，这个分数：

我尝试对

循环使用两个
，一个用于
I
-索引，另一个用于
c
。此外，我使用了一个
点
积来获得等式中的最后一个和。但是我的实现需要太多的时间才能给出结果

这就是我实现的：

    score = 0.0
    for i in range(N): 
        for c in range(C):
            Mic = M[i,c]
            score += np.outer(Mic,(np.dot(L[:,i],G[c,:])))

有没有办法避免两个
for
循环

提前谢谢你

最佳
试试这个
score=np.einsum（“ic，ti，ct->”，M，L，G）

EDIT1

顺便说一下，在您的例子中，
score=np.sum（np.diag（M@G@L））
（在从3.5版开始的PYTHON3中，您可以为
matmul
函数使用
@
操作符的语义）比
einsum
更快（尤其是在
np.trace（（L@M）@G）中）
由于高效使用内存，也许@hpaulj在他的评论中是这样说的）。但是
einsum
更容易用于复杂的张量积（使用
einsum
编码，我直接使用了你的数学表达式，没有考虑优化）

通常，将
for
与
numpy
一起使用会导致计算速度大幅降低（在
numpy
的情况下，请考虑“矢量化计算”）。
我并不感到惊讶。在
numpy
数组上这样的迭代速度很慢，而在稀疏数组上的迭代速度更慢
csc
矩阵针对矩阵乘法（
dot）
进行了优化，甚至需要很大程度的稀疏性（相对于总形状，只有少数非零值）。当
Mic
是标量值（可能是0）时，为什么要使用
outer
G@L
应给出一个（C，N）形数组。我打算建议
M.dot(G@L)
，但这是（N，N），而您需要它的对角线，或者更确切地说是它的轨迹。我将尝试此解决方案！谢谢我认为
einsum
与
M
不起作用。使用
M.A
是的，如果内存足够。我的笔记本电脑上有8GB的RAM，没有内存问题（所有M、L、G都有浮点64）。非常感谢！如果我还想在最后一次求和的结果上应用一个日志（即点积的日志），有没有办法继续使用
einsum
？提前谢谢你！这应该是可行的：score=np.sum（np.diag（M@np.log（G@L）））对于
sum\c M\u ic*log（sum\u t L\u ti*G\u ct））
，使用
einsum
不是一个好的解决方案（直接遵循您的表达式：
np.einsum（“ic，ci->”，M，np.log（np.einsum（“ti，ct ci，L，G））
）。你有一个很好的解决办法。一个注释：
np.sum（np.diag（A））
对于方阵
A
与
np.trace（A）
相同。