Python 有没有办法加快这些嵌套循环(拉普拉斯式)的速度?
我正在尝试加速我的函数图中的嵌套循环 我的函数是拉普拉斯函数(Abel),因为它需要为矩阵的每个单元计算一行一列的范数 abel=lambda x,y,t,p:np.exp(-np.abs(p)*np.linalg.norm(x-y)) 通过将指数部分从abel方程中去掉,我可以稍微加快函数的速度,然后我将它应用于整个矩阵 abel_2=lambda x,y,t,p:np.linalg.norm(x-y)(不要介意t和p) 时间减少了50%,但是,我相信双循环(嵌套)仍然是一个主要问题。 有人能帮忙吗?Python 有没有办法加快这些嵌套循环(拉普拉斯式)的速度?,python,performance,loops,nested-loops,Python,Performance,Loops,Nested Loops,我正在尝试加速我的函数图中的嵌套循环 我的函数是拉普拉斯函数(Abel),因为它需要为矩阵的每个单元计算一行一列的范数 abel=lambda x,y,t,p:np.exp(-np.abs(p)*np.linalg.norm(x-y)) 通过将指数部分从abel方程中去掉,我可以稍微加快函数的速度,然后我将它应用于整个矩阵 abel_2=lambda x,y,t,p:np.linalg.norm(x-y)(不要介意t和p) 时间减少了50%,但是,我相信双循环(嵌套)仍然是一个主要问题。 有人能
谢谢大家! 基本上,不必一个接一个地通过循环从
Y[j:]
中减去X[i,:]
,只需选择X[i,:]
并从所有Y中减去它,然后在某个轴上应用范数,就可以节省大量时间
在我的例子中,它是axis=1
def Gram_10(X,Y,function,t,p):
n = X.shape[0]
s = Y.shape[0]
K = np.zeros((n,s))
if function==abel_2:
for i in range(n):
# it is important to put the correct slice (:s) , so the matrix provided by the norm goes
# to the right place in the function
K[i,:s] = np.linalg.norm(X[i,:]-Y,axis=1)
K = np.exp(-abs(p)*K)
else:
K = polynomial(X,Y,t,p)
return K
def Gram_2(X,Y,function,t,p):
n = X.shape[0]
s = Y.shape[0]
K = np.zeros((n,s))
if function==abel_2:
for i in range(n):
for j in range(s):
K[i,j] = abel_2(X[i,:],Y[j,:],0,0)
K = np.exp(-abs(p)*K)
else:
K = polynomial(X,Y,t,p)
return K
def Gram_10(X,Y,function,t,p):
n = X.shape[0]
s = Y.shape[0]
K = np.zeros((n,s))
if function==abel_2:
for i in range(n):
# it is important to put the correct slice (:s) , so the matrix provided by the norm goes
# to the right place in the function
K[i,:s] = np.linalg.norm(X[i,:]-Y,axis=1)
K = np.exp(-abs(p)*K)
else:
K = polynomial(X,Y,t,p)
return K