如何解决屏蔽 4D 布尔 numpy 数组的最快方法
使用 2D 布尔掩码对 4D 布尔数组进行掩码的最有效方法。
我尝试了两种方法:
B.将倒置的掩码重塑为 4D 并生成两个矩阵
import numpy as np
import time
I = 150
J = 2000
K = I
S = 25
matrix_to_mask = np.random.choice(a=[True,False],size=(I,J,K,S))
mask_2d = np.random.choice(a=[True,S))
t = time.time()
matrix_to_mask[np.tile(mask_2d[:,np.newaxis,:],(1,1))] = False
print("Mask: " + str(time.time() - t)) # 2.77 sec
t = time.time()
a = matrix_to_mask * np.tile(np.invert(mask_2d)[:,1))
print("Product: " + str(time.time() - t)) # 1 sec
谢谢
解决方法
为此我会使用 np.broadcast_to。广播会生成低维数组的“虚拟”副本。例如。数组沿您指定的维度重复,但没有分配新内存,它只会指向原始值。所以这样效率更高,因为它使用的内存更少,速度更快,因为它不花时间分配。
t = time.time()
mask_4d = np.broadcast_to(mask_2d,matrix_to_mask.shape)
a = matrix_to_mask * mask_4d
# matrix_to_mask[mask_4d] = False
print("Broadcast: " + str(time.time() - t))
所以:
import numpy as np
import time
I = 150
J = 1000
K = I
S = 25
matrix_to_mask = np.random.choice(a=[True,False],size=(I,J,K,S))
mask_2d = np.random.choice(a=[True,S))
t = time.time()
matrix_to_mask[np.tile(mask_2d[:,np.newaxis,:],(1,1))] = False
print("Mask: " + str(time.time() - t)) # 2.77 sec
t = time.time()
a = matrix_to_mask * np.tile(mask_2d[:,1))
print("Product: " + str(time.time() - t)) # 1 sec
t = time.time()
mask_4d = np.broadcast_to(mask_2d,matrix_to_mask.shape)
a = matrix_to_mask * mask_4d
# matrix_to_mask[mask_4d] = False
print("Broadcast: " + str(time.time() - t))
面具:2.0803346633911133
产品:0.8886129856109619
广播:0.4950692653656006
也就是说,我检查了获得的掩码的值和您使用 np.tile(mask_2d[:,1))
生成的掩码的值,但它们不对应,所以有些问题。也许检查您的方法是否确实产生了您想要的掩码,因为通常 np.broadcast_to
完全符合您的要求,所以我认为这是正确的...
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。