np.newaxis与Numba nopython

有没有办法使用np.newaxis与Numba nopython？为了在python上应用广播功能而不需要备份？np.newaxis与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

感谢

来源

2016-08-04 EntrustName

你可以做到这一点使用重塑，它看起来像目前不支持[:, None]索引。请注意，这可能不会比做python快很多，因为它已经被矢量化了。

@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

来源

2016-08-04 11:44:43 chrisb

我试过了，但是我得到了''reshape（）支持连续数组只。当然，'toto（）'不是我的实际功能 – EntrustName

你可以做'b.copy（）。reshape（（ - 1,1））''。如果你的数组不是连续的，我相信这将会复制，尽管不是100％确定的。 – chrisb

这可以用最新版本的Numba（0.27）和numpy stride_tricks完成。你需要小心这个，它有点难看。请阅读docstring的as_strided以确保您了解发生了什么，因为这不是“安全”的，因为它不会检查形状或步幅。

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

来源

2016-08-05 16:36:04 JoshAdel

np.newaxis与Numba nopython

回答

相关问题