3

是否可以使用 numba 加速 np.take？

这是我的尝试，但速度要慢得多。我不能使用 nopython 模式，因为它不喜欢 np.empty_like 命令。

import numba
import numpy as np
from timer import Timer    

def take( x, indices ):
    result = np.empty_like( indices, dtype=x.dtype )    
    for i in range( len( indices ) ):
        result[i] = x[ indices[ i ] ]
    return result

jtake = numba.jit("f4[:](f4[:],i4[:])" )( take )

if __name__=='__main__':

    N = 100000
    m = 100
    idx = np.random.random_integers( 0, N, m )
    x = np.random.randn( N )

    num_tests=10000

    with Timer( 'take' ):
        for i in range( num_tests ):    
            r0 = take( x, idx )

    with Timer( 'Numba take' ):
        for i in range( num_tests ):    
            r1 = jtake( x, idx )                

    with Timer( 'Numpy.take' ):
        for i in range( num_tests ):
            r2 = x.take( idx )

结果如下：

Beginning take
take took 2.46 seconds
Beginning Numba take
Numba take took 1.11 seconds
Beginning Numpy.take
Numpy.take took 0.04 seconds
4

1 回答 1

2

答案是不。

Numba 不会作用于已编译的函数，例如np.take()使用精美索引的数组方法，这是您算法的基础。Numba 作用于代码的解释部分。

您的take()函数可能比 NumPy 的开销更大，并且 Numba 改进了 for 循环（已解释）。

当 NumPy > 1.9 时，您的代码应该更接近 NumPy 的表现，因为您的算法是基于花式索引的，并且它们将花式索引效率提高到np.take().

于 2014-11-14T14:37:20.477 回答