如何提高Numpy性能？内容来源于 Stack Overflow，并遵循CC BY-SA 3.0许可协议进行翻译与使用
内容来源于 Stack Overflow，并遵循CC BY-SA 3.0许可协议进行翻译与使用
- 回答 (2)
- 关注 (0)
- 查看 (23)
我希望使用python来改进卷积的性能，并希望能够了解如何最好地改进性能。
我目前正在使用cip执行卷积，使用的代码有点像下面的代码片段：
import numpy
import scipy
import scipy.signal
import timeit
a=numpy.array ( [ range(1000000) ] )
a.reshape(1000,1000)
filt=numpy.array( [ [ 1, 1, 1 ], [1, -8, 1], [1,1,1] ] )
def convolve():
global a, filt
scipy.signal.convolve2d ( a, filt, mode="same" )
t=timeit.Timer("convolve()", "from __main__ import convolve")
print "%.2f sec/pass" % (10 * t.timeit(number=10)/100)我正在处理图像数据，使用灰度(整数值在0到255之间)，目前我每卷积大约得到四分之一秒。我的想法是做以下工作之一：
使用corepy，最好使用一些优化，用ICC&ikml重新编译numpy。使用python-Cuda。
我想知道是否有人对这些方法有任何经验(什么样的收益是典型的，是否值得花时间)，或者是否有人知道有一个更好的库来执行Numpy的卷积。通过使用Numpy重写C中的python循环，可以加快大约10倍的速度。
用于进行2d卷积的cipy中的代码有点混乱，而且没有优化。如果您只想使用一个小的、常量内核来处理，就像您展示的那样，这样的函数可能会工作：
def specialconvolve(a):
# sorry, you must pad the input yourself
rowconvol = a[1:-1,:] + a[:-2,:] + a[2:,:]
colconvol = rowconvol[:,1:-1] + rowconvol[:,:-2] + rowconvol[:,2:] - 9*a[1:-1,1:-1]
return colconvol该函数利用了上面所建议的DarenW内核的可分性，并利用了更优化的numpy算术例程。根据我的测量，它比卷积2d函数快1000多倍。
对于3x3内核，我会注意到
1 1 1 1 -8 1 1 1 1 1 1 1 0 0 0 = 1 1 1 + 0 -9 0 1 1 1 0 0 0
其中第一个是可分解的，它可以通过每一行的卷积(11，1)来卷积，然后再对每一列进行卷积。然后减去9倍的原始数据。这可能会更快，也可能不会更快。
扫码关注云+社区