如何解决numpy einsum的更快替代品?
我有两个矩阵-U和V,每个矩阵有n个向量,如下所示:
U = [u1,u2,u3,... un]
V = [v1,v2,v3,... vn]
(实际上,U和V是2d的numpy数组,向量u1..un和v1 ... vn是1d)
我想创建一个n个值的1d numpy数组:
W = [dot(u1,v1),dot(u2,v2),dot(u3,v3),...,dot(un,vn)]
(点=点积)
当前,我使用numpy的einsum进行此操作:
W = np.einsum('ij,ij->i',U,V)
但是,我的矩阵很大,并且计算被重复了很多次(使用不同的U和V),所以我试图找到提高速度的方法。
我了解np.einsum可能会有更快的替代品,例如 np.dot 或 np.tensordot 或einsum2,它们利用并行性(而np .einsum是顺序的)。但是我无法获得相同的功能-np.dot和np.tensordot的输出是一个二维矩阵,其中包含比我需要的点积更多的结果。
我也开始研究NumExpr,但没有找到一种以优雅的方式实现我所需要的方法,并且没有比要求更多的点积。
如果有人知道在我的用例中提高einsum性能的方法,我将不胜感激。
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。