python - Numpy 切片慢？

Question

您好，我正在使用 numpy + numba 运行科学计算。 我已经意识到 numpy 数组就地添加非常慢......与 matlab 相比

这是matlab代码:

tic;
% A,B are 2-d matrices, ind may not be distinct
for ii=1:N 
    A(ind(ii),:) =  A(ind(ii),:) +  B(ii,:);
end
toc;

这是 numpy 代码:

s = time.time()
# A,B are numpy.ndarray, ind may not be distinct
for k in xrange(N):
     A[ind[k],:] += B[k,:];
print time.time() - s

结果显示 numpy 代码比 matlab 慢 10 倍...这让我很困惑。

此外，当我将加法从 for 循环中拉出，并仅将单个矩阵加法与 numpy.add 进行比较时，numpy 和 matlab 在速度上似乎具有可比性。

我知道的一个因素是 matlab 使用 JIT for version>=2012a 来加速 for 循环，但我在 python 代码上尝试了 numba，它仍然没有加速。我认为这与 numba 根本没有触及 numpy.add 函数有关，因此性能根本没有改变。

我猜测 matlab 为这种情况做了一些糟糕的缓存，因此它大大击败了 numpy。

关于如何加速 numpy 有什么建议吗？

Answer 1

尝试

A[ind] += B[:N]

即没有任何循环。

如果 ind 可能有重复的元素，您可以使用 np.add.at :

np.add.at(A, ind, B[:N])