我正在使用 Python 3.3 运行代码。目标是将 data_3d（1000x1000x1000 布尔 ndarray）与内核（35x35x35 浮点 ndarray）相关联。
然后我执行另一个相关性以对先前的结果求和。因此，我将另一个 1000x1000x1000 布尔 ndarray 与 35x35x35 浮点 ndarray 相关联——这与上一步完全相同。
这就是我感到困惑的地方：第一个关联在 70 秒内完成；第二个（看似相同）过程从未完成（即等待了一个多小时......）。
我尝试减小第二个相关的大小（例如，与 5x5x5 数组相关），结果相同。
据推测，这不是内存问题。在第二个过程中，内存稳定在 18 GB（但我仍然有 14 GB 可用......）。
这是怎么回事？
这是我的代码：
import numpy as np
from scipy import ndimage as im
A部分：
t1 = time.time()
# Used to time the process`
# a is a np.ndarray of dtype = bool
a = im.correlate(data_3d, kernel) > threshold
t2 = time.time()
print(t2 - t1) # About 70 seconds
B 部分：下一部分永远不会完成！
b = im.correlate(a, np.ones((35, 35, 35)))
t3 = time()`
编辑：我找到了解决方案。A 部分的内核非常稀疏，而 B 部分的内核已完全填充。Scipy 必须有一些幕后魔术来修改稀疏矩阵的过滤器大小......这使得 A = O(N^3) 和 B = O(N^3 * n^3) 的时间复杂度，其中N = 图像的一维大小，n = 内核的一维大小。