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个浮点数,c1,c2,c3

我想评估B = A1*c1 + A2*c2 + A3*c3

numpy计算这个例如,

 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'LC'模板函数,LC用于线性组合,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阵列.

这可能看起来很乱,但效果确实很好.

我可以在python中做类似的事情,但我不确定它是否是必需的.

提前感谢您的任何见解.-缺口

Answer 1

虽然numpy理论上可以在任何时候总是升级其内部以进行奇妙的优化,但目前它还没有:B = A1*c1 + A2*c2 + A3*c3确实会产生然后丢弃中间临时数组("花费"一些辅助内存,当然 - 没有别的) .

B = A1 * c1然后B += A2 * c2; B += A3 * c3,在此时再次,将避免花费一些临时记忆.

当然,只有当你在一个实际内存稀缺(其中一些辅助内存只是虚拟并导致页面错误)和足够大的数组"花费"的环境中运行时,你才能区分它们.所有真正的记忆然后一些.然而,在如此极端的条件下,一点点重构可以为你带来一些性能.