numpy

Question

में मानक पाश करने के लिए vectorized कोड के साथ अलग परिणाम मैं निम्नलिखित दो कार्य किया है:

def loop(x): 
    a = np.zeros(10) 
    for i1 in range(10): 
     for i2 in range(10): 
      a[i1] += np.sin(x[i2] - x[i1]) 
    return a 

और

def vectorized(x):  
    b = np.zeros(10) 
    for i1 in range(10): 
     b += np.sin(np.roll(x, i1) - x) 
    return b 

हालांकि

, जब मैं दोनों चलाने के लिए, मुझे लगता है कि उनके परिणामों थोड़ा भिन्न होते हैं:

x = np.arange(10) 
a, b = loop(x), vectorized(x) 
print b - a 

मैं:

[ 2.22044605e-16 0.00000000e+00 0.00000000e+00 6.66133815e-16 
    -2.22044605e-16 2.22044605e-16 0.00000000e+00 2.22044605e-16 
    2.22044605e-16 2.22044605e-16] 

जो बहुत छोटा है, लेकिन मेरे मामले में, सिमुलेशन को प्रभावित करता है। यदि मैं कार्यों से np.sin को हटा देता हूं, तो अंतर गायब हो जाता है। वैकल्पिक रूप से भिन्नता भी दूर हो जाती है यदि एक्स के लिए np.float32 का उपयोग करें, लेकिन यह एक ओडीई का हिस्सा है जिसे एक सॉल्वर द्वारा हल किया जा रहा है जो फ्लोट 64 का उपयोग करता है। क्या इस अंतर को हल करने का कोई तरीका है?

Answer 1

ऐसा इसलिए है क्योंकि आप एक ही क्रम में ऑपरेशन नहीं करते हैं।

बराबर पूरी तरह से सवार समाधान के लिए, c=sin(add.outer(x,-x))).sum(axis=0) करें।

In [8]: (c==loop(x)).all() 
Out[8]: True 

और तुम vectorisation से भरा avantage जीत:

In [9]: %timeit loop(x) 
1000 loops, best of 3: 750 µs per loop 

In [10]: %timeit vectorized(x) 
1000 loops, best of 3: 347 µs per loop 

In [11]: %timeit sin(x[:,None]-x).sum(axis=0) 
10000 loops, best of 3: 46 µs per loop