计算两个三维矩阵单元间有效距离的有效方法
计算两个三维矩阵单元间有效距离的有效方法
提问于 2018-03-26 08:49:25
我有两个三维矩阵。matrix1=dim(15,3)和matrix2=dim(23,3).
例如：
matrix1=[[5,7,8],
[10,6,8],
...
...
...,
[11,14,78]]和
matrix2=[[3,7,9],
[12,11,18],
...,
...,
[78,99,10]]输出是什么?
为了便于说明，让我们只考虑第一个通道和第一行：
matrix_distance[:,:,0]=[(5-3)^2, (5-12)^2, ..., (5-78)^2]什么是有效的和矢量化的方法来计算它？
EDIT1:
非矢量化解
for i in np.arange(len(matrix1)):
for j in np.arange(len(matrix2)):
for channel in np.arange(matrix1[0,0,:]):
matrix_distance[i,:,p]=(matrix1[i,:,p]-matrix2[j,:,p])^2a=[5,7,8]
b=[3,7,9,3,7,9,78,99,10]
然后
c=[[(5-3)^2,(7-7)^2,(8-9)^2],[(5-3)^2,(7-7)^2,(8-9)^2],[(5-78)^2,(7-99)^2,(8-10)^2]]回答 2
Stack Overflow用户
回答已采纳
发布于 2018-03-26 11:07:55
使用cdist。
In [8]: cdist(matrix1,matrix2).shape
Out[8]: (15, 23)Stack Overflow用户
发布于 2018-03-26 11:43:03
另外，您也可以使用Numba，它提供了更好的性能。还可以考虑使用32位浮点数进行计算，如果这满足您的精度要求。
import numpy as np
import numba as nb
import time
from scipy.spatial.distance import cdist
#Maybe calculation with 32bit floats is sufficient?
#creating random 32bit floats
vec_1=np.array(np.random.rand(10000,3),dtype=np.float32)
vec_2=np.array(np.random.rand(20000,3),dtype=np.float32)
@nb.njit(fastmath=True,parallel=True)
def calc_distance(vec_1,vec_2):
assert vec_1.shape[1]==3 #Enable SIMD-Vectorization (adding some performance)
assert vec_2.shape[1]==3 #Enable SIMD-Vectorization (adding some performance)
res=np.empty((vec_1.shape[0],vec_2.shape[0]),dtype=vec_1.dtype)
for i in nb.prange(vec_1.shape[0]):
for j in range(vec_2.shape[0]):
res[i,j]=np.sqrt((vec_1[i,0]-vec_2[j,0])**2+(vec_1[i,1]-vec_2[j,1])**2+(vec_1[i,2]-vec_2[j,2])**2)
return res
t1=time.time()
res=calc_distance(vec_1,vec_2)
print(time.time()-t1)
t1=time.time()
A=cdist(vec_1,vec_2) #cdist approach
print(time.time()-t1)这给出了一个四核I7-4代0.25s (Numba)，1.3s cdist。64位精度的计算结果为0.44s (Numba)。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49487399
复制相关文章
相似问题
腾讯云开发者
