我如何向量化此操作？

问题描述

我必须执行以下操作数千次，这严重降低了我的代码的速度：

T = 50
D = 10
K = 20

x = np.random.randn(T,D)
y = np.random.randn(T,K)

result = np.zeros((K,D))

for k in range(K):
    for t in range(T):
        result[k] += y[t,k] * x[t]  # Multiply scalar element in y with row in x

基本上，我试图将矩阵k的列y的列x中的每个元素与np.einsum()中的对应行相加并求和。我尝试使用result = np.einsum("ij,ik->jk",y,x) 解决此问题：

result.shape == (K,D)

至少给了我np.einsum()，但结果不匹配！如何有效执行此操作？ UNIQUE NOT NULL甚至有可能吗？

解决方法

这些操作是相同的。您已经找到了（可能是最快的）矢量化操作。

T = 50
D = 10
K = 20

x = np.random.randn(T,D)
y = np.random.randn(T,K)

result = np.zeros((K,D))

for k in range(K):
    for t in range(T):
        result[k] += y[t,k] * x[t]
           
result2 = np.einsum("ij,ik->jk",y,x)

np.allclose(result,result2)
Out[]: True

问题很可能是浮点错误，无论您使用哪种方法来确定它们是否“相同”。 np.allclose()是解决方案。它消除了使用float s在不同计算方法之间发生的很小的误差。

尽管@QuangHoang在评论中指出，y.T @ x更具可读性