4

有没有办法加快从上一次迭代更新其值的双循环?

在代码中:

def calc(N, m):
    x = 1.0
    y = 2.0
    container = np.zeros((N, 2))
    for i in range(N):
      for j in range(m):
        x=np.random.gamma(3,1.0/(y*y+4))
        y=np.random.normal(1.0/(x+1),1.0/sqrt(x+1))
      container[i, 0] = x
      container[i, 1] = y
    return container

calc(10, 5)

如您所见,内循环正在更新变量 x 和 y,而外循环每次都以不同的 x 值开始。我不认为这是可矢量化的,但也许还有其他可能的改进。

谢谢!

4

2 回答 2

1

我认为这不会增加任何重要的加速,但是如果您一次生成所有伽玛值和正态分布的随机值,则可以节省一些函数调用。

Gamma 函数具有缩放属性,因此如果您x从 gamma(k, 1) 分布中c*x提取值,那么将是从 gamma(k, c) 分布中提取的值。同样,对于正态分布,您可以y从正态 (0, 1) 分布中提取一个值,并将其转换为从正态 (m, s) 分布中提取的值x*s + m。所以你可以重写你的函数如下:

def calc(N, m):
    x = 1.0
    y = 2.0
    container = np.zeros((N, 2))
    nm = N*m
    gamma_vals = np.random.gamma(3, 1, size=(nm,))
    norm_vals = np.random.normal(0, 1, size=(nm,))
    for i in xrange(N):
        for j in xrange(m):
            ij = i*j
            x = gamma_vals[ij] / (y*y+4)
            y = norm_vals[ij]/np.sqrt(x+1) + 1/(x+1)
        container[i, 0] = x
        container[i, 1] = y
    return container

如果你的分布的实际参数有一个更简单的表达式,你实际上可以使用一些复杂的形式np.cumprod或类似的形式,并且不用循环。我无法弄清楚这样做的方法......

于 2013-07-19T05:48:28.653 回答
0

这行得通吗?

for i in xrange(N): 
   # xrange is an iterator, range makes a new list.
   # You save linear space and `malloc`ing time by doing this

    x += m*y # a simple algebra hack. Compute this line of the loop just once instead of `m` times
    y -= m*x
    y *= -1 # another simple algebra hack. Compute this line of the loop just once instead of `m` times
    container[i,0] = x
    container[i,1] = y
return container
于 2013-07-19T02:31:08.107 回答