Optimiertes Skalarprodukt in Python
Das Skalarprodukt zweier n-dimensionaler Vektorenu=[u1,u2,...un]
undv=[v1,v2,...,vn]
ist gegeben durchu1*v1 + u2*v2 + ... + un*vn
.
Eine Fragegestern gepostet Ich ermutigte mich, den schnellsten Weg zu finden, um Punktprodukte in Python zu berechnen, indem ich nur die Standardbibliothek, keine Module von Drittanbietern oder C / Fortran / C ++ - Aufrufe verwende.
Ich habe vier verschiedene Ansätze geplant; bisher scheint das am schnellsten zu seinsum(starmap(mul,izip(v1,v2)))
(woherstarmap
undizip
kommen aus demitertools
Modul).
Für den unten dargestellten Code sind dies die abgelaufenen Zeiten (in Sekunden für eine Million Durchläufe):
d0: 12.01215
d1: 11.76151
d2: 12.54092
d3: 09.58523
Können Sie sich einen schnelleren Weg vorstellen, dies zu tun?
import timeit # module with timing subroutines
import random # module to generate random numnbers
from itertools import imap,starmap,izip
from operator import mul
def v(N=50,min=-10,max=10):
"""Generates a random vector (in an array) of dimension N; the
values are integers in the range [min,max]."""
out = []
for k in range(N):
out.append(random.randint(min,max))
return out
def check(v1,v2):
if len(v1)!=len(v2):
raise ValueError,"the lenght of both arrays must be the same"
pass
def d0(v1,v2):
"""
d0 is Nominal approach:
multiply/add in a loop
"""
check(v1,v2)
out = 0
for k in range(len(v1)):
out += v1[k] * v2[k]
return out
def d1(v1,v2):
"""
d1 uses an imap (from itertools)
"""
check(v1,v2)
return sum(imap(mul,v1,v2))
def d2(v1,v2):
"""
d2 uses a conventional map
"""
check(v1,v2)
return sum(map(mul,v1,v2))
def d3(v1,v2):
"""
d3 uses a starmap (itertools) to apply the mul operator on an izipped (v1,v2)
"""
check(v1,v2)
return sum(starmap(mul,izip(v1,v2)))
# generate the test vectors
v1 = v()
v2 = v()
if __name__ == '__main__':
# Generate two test vectors of dimension N
t0 = timeit.Timer("d0(v1,v2)","from dot_product import d0,v1,v2")
t1 = timeit.Timer("d1(v1,v2)","from dot_product import d1,v1,v2")
t2 = timeit.Timer("d2(v1,v2)","from dot_product import d2,v1,v2")
t3 = timeit.Timer("d3(v1,v2)","from dot_product import d3,v1,v2")
print "d0 elapsed: ", t0.timeit()
print "d1 elapsed: ", t1.timeit()
print "d2 elapsed: ", t2.timeit()
print "d3 elapsed: ", t3.timeit()
Beachten Sie, dass der Name der Datei sein mussdot_product.py
damit das Skript ausgeführt wird; Ich habe Python 2.5.1 unter Mac OS X Version 10.5.8 verwendet.
BEARBEITEN:
Ich habe das Skript für N = 1000 ausgeführt und dies sind die Ergebnisse (in Sekunden für eine Million Durchläufe):
d0: 205.35457
d1: 208.13006
d2: 230.07463
d3: 155.29670
Ich denke, es ist sicher anzunehmen, dass Option drei die schnellste und Option zwei die langsamste (von den vier vorgestellten) ist.