numpy vs Matlab速度 - arctan和power

Question

在Python和Matlab中,我编写了生成矩阵的代码,并使用索引函数填充它.Python代码的执行时间大约是Matlab代码执行时间的20倍.具有相同结果的两个函数是用python编写的,bWay()基于这个答案

这是完整的Python代码:

import numpy as np
from timeit import timeit

height = 1080
width = 1920
heightCm = 30
distanceCm = 70

centerY = height / 2 - 0.5;
centerX = width / 2 - 0.5;

constPart = height * heightCm / distanceCm

def aWay():
    M = np.empty([height, width], dtype=np.float64);
    for y in xrange(height):
        for x in xrange(width):
            M[y, x] = np.arctan(pow((pow((centerX - x), 2) + pow((centerY - y), 2)), 0.5) / constPart)

def bWay():
    M = np.frompyfunc(
        lambda y, x: np.arctan(pow((pow((centerX - x), 2) + pow((centerY - y), 2)), 0.5) / constPart), 2, 1## Heading ##
    ).outer(
        np.arange(height),
        np.arange(width),
    ).astype(np.float64)

这是完整的Matlab代码:

height = 1080;
width = 1920;
heightCm = 30;
distanceCm = 70;

centerY = height / 2 + 0.5;
centerX = width / 2 + 0.5;

constPart = height * heightCm / distanceCm;
M = zeros(height, width);
for y = 1 : height
    for x = 1 : width
        M(y, x) = atan(((centerX - x)^2 + (centerY - y)^2)^0.5 / constPart);
    end
end

使用timeit.timeit测量的Python执行时间:

aWay() - 6.34s
bWay() - 6.68s

使用tic toc测量的matlab执行时间:

0.373s

为了缩小范围我测量arctan,平方和循环次数

蟒蛇:

>>> timeit('arctan(3)','from numpy import arctan', number = 1000000)
1.3365135641797679
>>> timeit('pow(3, 2)', number = 1000000)
0.11460829719908361
>>> timeit('power(3, 2)','from numpy import power', number = 1000000)
1.5427879383046275
>>> timeit('for x in xrange(10000000): pass', number = 1)
0.18364813832704385

Matlab的:

tic
for i = 1 : 1000000
    atan(3);
end
toc
Elapsed time is 0.179802 seconds.
tic
for i = 1 : 1000000
    3^2;
end
toc
Elapsed time is 0.044160 seconds.
tic
for x = 1:10000000
end
toc
Elapsed time is 0.034853 seconds.

在所有3种情况下,Python代码执行时间都要长很多倍.

有什么我可以做的来改善这个python代码性能？

Answer 1

我只关注Python部分以及如何优化它(从未使用MATLAB,对不起).

如果我正确理解您的代码,您可以使用:

def fastway():
    x, y = np.ogrid[:width, :height]  # you may need to swap "x" and "y" here.
    return np.arctan(np.hypot(centerX-x, centerY-y) / constPart)

这是矢量化的,应该非常快.

%timeit fastway()
# 289 ms ± 9.62 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit aWay()
# 28.2 s ± 243 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit bWay()
# 29.3 s ± 790 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

万一你想知道:np.hypot(x, y)是相同的(x**2 + y**2)**0.5.它不一定更快但更短,在某些边缘情况下可以提供更精确的结果.

此外,如果您需要操作标量,则不应使用NumPy函数.NumPy函数具有如此高的开销,以至于处理一个元素所花费的时间与处理一千个元素所花费的时间相同,例如,请参阅我对"numpy中不同矢量化方法中的性能"这一问题的回答.