问题描述
简短
我需要找到一种优化的方法来构建表示 3D 平面(即存储其 Z 值)的 2D numpy 数组,给定三个点(以数学方式定义平面)和所需的数组大小。
详情
给定三个点 p0
、p1
、p2
和一个 size
变量:
import numpy as np
import pylab as plt
p0 = [0.2,-0.4,-0.2]
p1 = [-0.6,0.1,-0.8]
p2 = [-0.1,0.3,-0.6]
size = (12000,17000)
以下函数展示了如何利用这 3 个点构建平面:
def plane(p0,p1,p2,size):
p0 = np.array(p0)
p1 = np.array(p1)
p2 = np.array(p2)
ux,uy,uz = [p1[0] - p0[0],p1[1] - p0[1],p1[2] - p0[2]]
vx,vy,vz = [p2[0] - p0[0],p2[1] - p0[1],p2[2] - p0[2]]
uv = [uy * vz - uz * vy,uz * vx - ux * vz,ux * vy - uy * vx]
norm = np.array(uv)
d = -np.array(p0).dot(norm)
xx,yy = np.meshgrid(range(size[1]),range(size[0]))
z = np.array((-norm[0] * xx - norm[1] * yy - d) * 1. / norm[2])
return(z)
结果 z
如下所示:
这个实现在几秒钟内吞噬了我的记忆:
问题
您将如何优化它以在尽可能低的内存使用量下实现完全相同的结果(快速也不是可选的......)?
注意:size
可能在两个维度上都大 10 倍 -> 这显然会使我的 Python 在 2016 年主流笔记本电脑上崩溃。
(使用最常见的科学图书馆完全没问题)
我在 Ubuntu linux 18.04.5 上使用 Python 3.6.9(默认,2021 年 1 月 26 日,15:33:00)[GCC 8.4.0]。
解决方法
在计算 d
之前,您的数组很小。之后的一切都是为操作的每个部分创建一个单独的 1.5GiB(12k * 17k * 8bytes/float)临时数组。您可以完全摆脱这些数组中的大部分,并就地完成其余的工作。例如:
xx,yy = np.meshgrid(...)
您真的不需要网格:在 np.arange(size[0])[:,None]
和 np.arange(size[1])
上广播将制作您需要的所有数组。这将您的数据大小从 ~3GiB 减少到 ~230KiB:
xx = np.arange(size[1],dtype=float)
yy = np.arange(size[0],dtype=float)[:,None]
表达式 z = ...
包含大约七个临时数组,每个数组的大小为 1.5GiB:
t1 = -norm[0] * xx
t2 = norm[1] * yy
t3 = t1 - t2
t4 = t3 - d
t5 = t4 * 1
t6 = t5 / norm[2]
t7 = np.array(t6)
这些数组中的一些可能在计算过程中被垃圾收集,但它们都需要在某个时候分配。您可以使用广播和 in-place operators 或 out
参数到适当的 ufunc
s:
所以:
d /= norm[2]
norm /= norm[2]
xx *= -norm[0]
yy *= -norm[1]
yy -= d
z = xx + yy
即使在代码的紧凑部分,你也在做一堆不必要的操作。例如,您调用 np.array(p0)
两次。这是您的函数的更好版本:
def plane2(p0,p1,p2,size):
u = np.subtract(p1,p0)
v = np.subtract(p2,p0)
uxv = np.cross(u,v)
d = -np.dot(p0,uxv)
d /= uxv[2]
uxv /= uxv[2]
xx = np.arange(size[1],dtype=float)
xx *= -uxv[0]
yy = np.arange(size[0],None]
yy *= -uxv[1]
yy -= d
return xx + yy
对于比您建议的小 10 倍的尺寸:
%timeit plane(p0,size)
70.1 ms ± 329 µs per loop (mean ± std. dev. of 7 runs,10 loops each)
%timeit plane2(p0,size)
8.29 ms ± 302 µs per loop (mean ± std. dev. of 7 runs,100 loops each)
当我将大小增加到您问题中的大小时,您的实现会崩溃,而我的会在合理的时间内完成:
%timeit plane(p0,size)
...
MemoryError: Unable to allocate 1.52 GiB for an array with shape (12000,17000) and data type float64
%timeit plane2(p0,size)
819 ms ± 37.6 ms per loop (mean ± std. dev. of 7 runs,1 loop each)
根据您拥有多少 RAM,以及 Python 进程中空闲内存的设置是什么,您可能无法将数组大小增加 100 倍到 152GiB,无论您执行操作的效率如何。