лирование некоторой вычислительной работы, которую я выполняю, показало мне, что одним узким местом в моей программе была функция, которая в основном выполняла это (np являетсяnumpy, sp являетсяscipy):

def mix1(signal1, signal2):
    spec1 = np.fft.fft(signal1, axis=1)
    spec2 = np.fft.fft(signal2, axis=1)
    return np.fft.ifft(spec1*spec2, axis=1)

Оба сигнала имеют форму(C, N) гдеC количество наборов данных (обычно меньше 20) иN количество образцов в каждом наборе (около 5000). Вычисления для каждого набора (строки) полностью независимы от любого другого набора.

Я подумал, что это просто простая свертка, поэтому я попытался заменить его на:

def mix2(signal1, signal2):
    outputs = np.empty_like(signal1)

    for idx, row in enumerate(outputs):
        outputs[idx] = sp.signal.convolve(signal1[idx], signal2[idx], mode='same')

    return outputs

... просто чтобы увидеть, получил ли я такие же результаты. Но я не сделал, и мои вопросы:

Почему нет?Есть ли лучший способ вычислить эквивалентmix1()?

(Я понимаю, чтоmix2 вероятно, не было бы быстрее как есть, но это могло бы стать хорошей отправной точкой для распараллеливания.)

Вот полный сценарий, который я использовал, чтобы быстро проверить это:

import numpy as np
import scipy as sp
import scipy.signal

N = 4680
C = 6

def mix1(signal1, signal2):
    spec1 = np.fft.fft(signal1, axis=1)
    spec2 = np.fft.fft(signal2, axis=1)
    return np.fft.ifft(spec1*spec2, axis=1)

def mix2(signal1, signal2):
    outputs = np.empty_like(signal1)

    for idx, row in enumerate(outputs):
        outputs[idx] = sp.signal.convolve(signal1[idx], signal2[idx], mode='same')

    return outputs

def test(num, chans):
    sig1 = np.random.randn(chans, num)
    sig2 = np.random.randn(chans, num)
    res1 = mix1(sig1, sig2)
    res2 = mix2(sig1, sig2)

    np.testing.assert_almost_equal(res1, res2)

if __name__ == "__main__":
    np.random.seed(0x1234ABCD)
    test(N, C)