我有向量a。
我想计算np.inner(a, a)
但我想知道是否有更漂亮的方法来计算它。
[这种方式的缺点是，如果我想计算它a-b或更复杂的表达式，我必须多写一行。c = a - b而np.inner(c, c)不是somewhat(a - b)]
问问题
36480 次
4 回答
7
老实说，可能不会有比np.inneror更快的东西np.dot。如果你发现中间变量很烦人，你总是可以创建一个 lambda 函数：
sqeuclidean = lambda x: np.inner(x, x)
np.inner并np.dot利用 BLAS 例程，并且几乎肯定会比标准的元素乘法然后求和更快。
In [1]: %%timeit -n 1 -r 100 a, b = np.random.randn(2, 1000000)
((a - b) ** 2).sum()
....:
The slowest run took 36.13 times longer than the fastest. This could mean that an intermediate result is being cached
1 loops, best of 100: 6.45 ms per loop
In [2]: %%timeit -n 1 -r 100 a, b = np.random.randn(2, 1000000)
np.linalg.norm(a - b, ord=2) ** 2
....:
1 loops, best of 100: 2.74 ms per loop
In [3]: %%timeit -n 1 -r 100 a, b = np.random.randn(2, 1000000)
sqeuclidean(a - b)
....:
1 loops, best of 100: 2.64 ms per loop
np.linalg.norm(..., ord=2)在内部使用np.dot，并提供与直接使用非常相似的性能np.inner。
于 2016-02-04T23:54:20.663 回答
6
计算 norm2
numpy.linalg.norm(x, ord=2)
numpy.linalg.norm(x, ord=2)**2正方形
于 2016-02-04T23:25:45.937 回答
5
我不知道性能是否好，但(a**2).sum()计算出正确的值并有你想要的非重复参数。您可以a用一些复杂的表达式替换而不将其绑定到变量，只需记住在必要时使用括号，因为**绑定比大多数其他运算符更紧密：((a-b)**2).sum()
于 2016-02-04T23:36:24.460 回答
0
如果您最终在这里寻找一种获得平方范数的快速方法，这些测试显示distances = np.sum((descriptors - desc[None])**2, axis=1)是最快的。
import timeit
setup_code = """
import numpy as np
descriptors = np.random.rand(3000, 512)
desc = np.random.rand(512)
"""
norm_code = """
np.linalg.norm(descriptors - desc[None], axis=-1)
"""
norm_time = timeit.timeit(stmt=norm_code, setup=setup_code, number=100, )
einsum_code = """
x = descriptors - desc[None]
sqrd_dist = np.einsum('ij,ij -> i', x, x)
"""
einsum_time = timeit.timeit(stmt=einsum_code, setup=setup_code, number=100, )
norm_sqrd_code = """
distances = np.sum((descriptors - desc[None])**2, axis=1)
"""
norm_sqrd_time = timeit.timeit(stmt=norm_sqrd_code, setup=setup_code, number=100, )
print(norm_time) # 0.7688689678907394
print(einsum_time) # 0.29194538854062557
print(norm_sqrd_time) # 0.274090813472867
于 2020-06-04T09:58:33.753 回答