7

我有一个动态规划算法（修改后的 Needleman-Wunsch），它需要两次相同的基本计算，但第二次计算是在正交方向上完成的。例如，从矩阵scoreMatrix中的给定单元格(i,j)中，我想从(i,j)的“向上”值计算一个值，以及从 ( i )的“左侧”值计算一个值,j)。为了重用代码，我使用了一个函数，在第一种情况下我发送参数i,j,scoreMatrix，在下一种情况下我发送j,i,scoreMatrix.transpose()。这是该代码的高度简化版本：

def calculateGapCost(i,j,scoreMatrix,gapcost):
  return scoreMatrix[i-1,j] - gapcost

...
gapLeft = calculateGapCost(i,j,scoreMatrix,gapcost)
gapUp = calculateGapCost(j,i,scoreMatrix.transpose(),gapcost)
...

我意识到我可以另外发送一个函数，该函数在一种情况下会在从scoreMatrix检索值时传递参数(i,j)，而在另一种情况下将它们反转为(j,i)，而不是转置矩阵每一次。

def passThrough(i,j,matrix):
  return matrix[i,j]

def flipIndices(i,j,matrix):
  return matrix[j,i]

def calculateGapCost(i,j,scoreMatrix,gapcost,retrieveValue):
  return retrieveValue(i-1,j,scoreMatrix) - gapcost

...
gapLeft = calculateGapCost(i,j,scoreMatrix,gapcost,passThrough)
gapUp = calculateGapCost(j,i,scoreMatrix,gapcost,flipIndices)
...

但是，如果 numpy transpose 使用一些我不知道的功能在几个操作中进行转置，那么转置实际上可能比我的传递函数想法更快。谁能告诉我哪个会更快（或者如果有更好的方法我没有想到）？

实际方法将调用retrieveValue 3 次，并涉及2 个将被引用的矩阵（如果使用该方法，则因此转置）。

4

1 回答 1

10

在 NumPy 中，转置返回具有不同形状和跨步的视图。它不接触数据。

因此，您可能会发现这两种方法具有相同的性能，因为它们本质上是完全相同的。

但是，唯一可以确定的方法是对两者进行基准测试。

于 2013-01-28T20:31:35.257 回答