cython中可能的优化:numpy数组

Question

以下是我从多变量正态分布中绘制的Cython代码.我正在使用循环,因为每次我有不同的密度.(conLSigma是Cholesky因子)

这花费了很多时间,因为我正在对每个循环进行逆和Cholesky分解.它比纯python代码更快,但我想知道是否有任何方法可以提高速度.

from __future__ import division

import numpy as np 

cimport numpy as np 

ctypedef np.float64_t dtype_t

cimport cython
@cython.boundscheck(False)
@cython.wraparound(False)

def drawMetro(np.ndarray[dtype_t, ndim = 2] beta,
              np.ndarray[dtype_t, ndim = 3] H,
              np.ndarray[dtype_t, ndim = 2] Sigma,
              float s):

    cdef int ncons = betas.shape[0]
    cdef int nX = betas.shape[1]
    cdef int con

    cdef np.ndarray betas_cand = np.zeros([ncons, nX], dtype = np.float64)
    cdef np.ndarray conLSigma = np.zeros([nX, nX], dtype = np.float64)

    for con in xrange(ncons):
        conLSigma = np.linalg.cholesky(np.linalg.inv(H[con] + Sigma))
        betas_cand[con] = betas[con] + s * np.dot(conLSigma, np.random.standard_normal(size = nX))

    return(betas_cand)

Answer 1

Cholesky分解创建了一个下三角矩阵.这意味着np.dot不需要完成接近一半的乘法.如果你改变了这条线

betas_cand[con] = betas[con] + s * np.dot(conLSigma, np.random.standard_normal(size = nX))

成

tmp = np.random.standard_normal(size = nX)
for i in xrange(nX):
    for j in xrange(i+1):
        betas_cand[con,i] += s * conLSigma[i,j] * tmp[j]

但是,您还需要更改

cdef np.ndarray betas_cand = np.zeros([ncons, nX], dtype = np.float64)

成

cdef np.ndarray betas_cand = np.array(betas)

你当然可以使用切片进行乘法,但我不确定它是否会比我建议的方式更快.无论如何,希望你能得到这个想法.我认为你还有很多其他方法可以加快速度.