为了循环计算区域相关系数，找到最大的相关系数的位置，编写python程序如下。但是由于循环较多导致程序计算速度较慢，我这边已经做过的尝试有：
1、我这边已经用numba的cpu并行加速了，速度提高了不少，但是还是不能满足要求。
2、想要优化循环，但是这些循环关系到每次数据切片的动态变化，所以不好改向量化。
3、我尝试过taichi采用gpu运算，但是这种方法不能数据切片。
所以求助大家能否帮我优化加速程序，非常感谢各位
试过cython吗? cython不是也可以用来加速嘛。cython，numba(with jit)，看代码好像代码结构也没法咋优化了。如果还不行，可能直接改成其他语言来写扩展了。。。😅
在你的問題中，你提到你已經嘗試使用 numba 和 Taichi 進行加速，但效果並不理想。在這種情況下，一種可能的解決方案是使用 Dask。Dask 是一個靈活的並行計算庫，可以處理大型計算任務。這是一個使用 Dask 優化你程式碼的範例： import numpy as np import dask.array as da
ww_dask = da.from_array(ww, chunks=(1, 100, 100))
def calculate_corrcoef(tim, ii, jj, ddx, dmax, ww): t2 = ww[tim, (ii-ddx):(ii+ddx), (jj-ddx):(jj+ddx)].flatten() wmax = 0.0 im, jm = ii, jj for i in range(max(ii-dmax, 0), min(ii+dmax, ww.shape[1])): for j in range(max(jj-dmax, 0), min(jj+dmax, ww.shape[2])): t1 = ww[(tim-1), (i-ddx):(i+ddx), (j-ddx):(j+ddx)].flatten() temp = np.corrcoef(t1, t2)[0, 1] if temp > wmax: wmax = temp im, jm = i, j return wmax, im, jm
result = da.map_blocks(calculate_corrcoef, ww_dask, dtype=float, drop_axis=(0,), new_axis=(0,), chunks=(1, 100, 100))
粤ICP备18099781号-6
|
粤公网安备 44030502004330号
|
违法和不良信息举报
由 Summer 设计和编码 ❤
请登录
关于 LearnKu
推荐文章：