np.newaxis與Numba nopython

有沒有辦法使用np.newaxis與Numba nopython？爲了在python上應用廣播功能而不需要備份？np.newaxis與Numba nopython

例如

@jit(nopython=True) 
def toto(): 
    a = np.random.randn(20, 10) 
    b = np.random.randn(20) 
    c = np.random.randn(10) 
    d = a - b[:, np.newaxis] * c[np.newaxis, :] 
    return d

感謝

來源

2016-08-04 EntrustName

你可以做到這一點使用重塑，它看起來像目前不支持[:, None]索引。請注意，這可能不會比做python快很多，因爲它已經被矢量化了。

@jit(nopython=True) 
def toto(): 
    a = np.random.randn(20, 10) 
    b = np.random.randn(20) 
    c = np.random.randn(10) 
    d = a - b.reshape((-1, 1)) * c.reshape((1,-1)) 
    return d

來源

2016-08-04 11:44:43 chrisb

我試過了，但是我得到了''reshape（）支持連續數組只。當然，'toto（）'不是我的實際功能 – EntrustName

你可以做'b.copy（）。reshape（（ - 1,1））''。如果你的數組不是連續的，我相信這將會複製，儘管不是100％確定的。 – chrisb

這可以用最新版本的Numba（0.27）和numpy stride_tricks完成。你需要小心這個，它有點難看。請閱讀docstring的as_strided以確保您瞭解發生了什麼，因爲這不是「安全」的，因爲它不會檢查形狀或步幅。

import numpy as np 
import numba as nb 

a = np.random.randn(20, 10) 
b = np.random.randn(20) 
c = np.random.randn(10) 

def toto(a, b, c): 

    d = a - b[:, np.newaxis] * c[np.newaxis, :] 
    return d 

@nb.jit(nopython=True) 
def toto2(a, b, c): 
    _b = np.lib.stride_tricks.as_strided(b, shape=(b.shape[0], 1), strides=(b.strides[0], 0)) 
    _c = np.lib.stride_tricks.as_strided(c, shape=(1, c.shape[0]), strides=(0, c.strides[0])) 
    d = a - _b * _c 

    return d 

x = toto(a,b,c) 
y = toto2(a,b,c) 
print np.allclose(x, y) # True

來源

2016-08-05 16:36:04 JoshAdel

np.newaxis與Numba nopython

回答

相關問題