python - python/numpy中的线性组合

Question

问候，

我不确定这是不是一个愚蠢的问题。

假设我有 3 个 numpy 数组 A1、A2、A3 和 3 个 float c1、c2、c3

我想计算 B = A1*c1+ A2*c2+ A3*c3

将 numpy 计算为例如，

 E1 = A1*c1
 E2 = A2*c2
 E3 = A3*c3
 D1 = E1+E2
 B = D1+E3

还是比这更聪明？在 C++ 中，我有一种巧妙的方法来抽象这种操作。

我定义了一系列通用的“LC”模板函数，LC 用于线性组合，例如:

template<class T,class D>
void LC( T & R,
    T & L0,D C0,
    T & L1,D C1,
    T & L2,D C2)
{
    R = L0*C0
        +L1*C1
        +L2*C2;        
}

然后将其专门用于各种类型，

例如，对于一个数组，代码看起来像

for (int i=0; i<L0.length; i++)
    R.array[i] =
    L0.array[i]*C0 +
    L1.array[i]*C1 +
    L2.array[i]*C2;

从而避免必须创建新的中间数组。

这可能看起来很乱，但效果非常好。

我可以在 python 中做类似的事情，但我不确定它是否必要。

提前感谢您的任何见解。 -尼克

Answer 1

虽然从理论上讲，numpy 可以随时升级其内部结构以执行奇妙的优化，但目前它还没有:B = A1*c1 + A2*c2 + A3*c3 确实会生成然后丢弃中间临时数组(当然“花费”一些辅助内存——没有别的)。

B = A1 * c1 后跟 B += A2 * c2; B += A3 * c3，同样此时，因此将避免花费一些临时内存。

当然，只有当您在实际内存稀缺的环境中运行(其中一些辅助内存只是虚拟的并导致页面错误)并且足够大的数组以“花费”所有真实内存，然后是一些。然而，在这种极端条件下，一点重构可以为您带来一些性能。