10

作为批量欧几里得距离计算的一部分,我正在计算

(X * X).sum(axis=1)

X一个相当大的二维数组。这很好用,但它构造了一个与X. 有什么办法可以摆脱这种暂时的,但保持矢量化操作的效率?

显而易见的候选人,

np.array([np.dot(row, row) for row in X])

有效,但使用 Python 列表作为临时列表,使其相当慢。

如果没有axis,内存有效的形式将是

(X * X).sum()  =>  np.dot(X.ravel(), X.ravel())

我知道,当 时axis=1,它相当于

np.diag(np.dot(X, X.T))

这让我研究了dot诸如np.inner,np.tensordot和之类的概括np.einsum,但我不知道它们将如何解决我的问题。

4

1 回答 1

11

einsum等效的是:

np.einsum('ij,ij->i', X, X)

虽然我不确定这在内部是如何工作的,所以它可能会也可能不会解决您的问题。

于 2013-09-30T12:53:33.387 回答