8

我正在尝试在 python 中执行拟合值迭代（FVI）（涉及使用分段线性插值逼近 5 维函数）。

scipy.interpolate.griddata 非常适合这个。但是，我需要调用插值程序几千次（因为 FVI 是基于 MC 的算法）。

所以基本上，已知函数的点集是静态的（并且很大 - 比如说 32k），但是我需要近似的点（它们是原始集的小扰动）非常大（比如 32k x 5000）。

是否有已移植到 CUDA 的 scipy.interpolate.griddata 的实现？或者，有没有办法以某种方式加快计算速度？

谢谢。

4

1 回答 1

1

对于分段线性插值，文档说scipy.interpolate.griddata使用 的方法scipy.interpolate.LinearNDInterpolator，然后使用qhull对输入点进行 Delaunay 细分，然后执行标准的重心插值，对于每个点，您必须确定每个点在哪个超四面体内部是，然后使用其重心坐标作为超四面体节点值的插值权重。

曲面细分可能很难并行化，但您可以使用scipy.spatial.Delaunay. 其他两个步骤很容易并行化，尽管我不知道有任何免费可用的实现。

如果您的已知功能点位于常规网格上，则此处描述的方法在 CUDA 中特别容易实现，并且我已经使用它的实际实现，尽管没有公开可用。

所以恐怕你将不得不自己完成大部分工作......

于 2012-12-28T16:26:02.353 回答