Быстрое (er) причудливое индексирование и сокращение?

Я пытаюсь использовать и ускорять причудливое индексирование для "объединения" двух массивов и суммирования по одной из осей результатов.

Что-то вроде этого:

$ ipython
In [1]: import numpy as np
In [2]: ne, ds = 12, 6
In [3]: i = np.random.randn(ne, ds).astype('float32')
In [4]: t = np.random.randint(0, ds, size=(1e5, ne)).astype('uint8')

In [5]: %timeit i[np.arange(ne), t].sum(-1)
10 loops, best of 3: 44 ms per loop

Есть ли простой способ ускорить утверждение в In [5]? Должен ли я идти с OpenMP и что-то вроде scipy.weave или Cython prange?

ОТВЕТЫ

Ответ 1

numpy.take по какой-то причине намного быстрее, чем причудливая индексация. Единственный трюк в том, что он рассматривает массив как плоский.

In [1]: a = np.random.randn(12,6).astype(np.float32)

In [2]: c = np.random.randint(0,6,size=(1e5,12)).astype(np.uint8)

In [3]: r = np.arange(12)

In [4]: %timeit a[r,c].sum(-1)
10 loops, best of 3: 46.7 ms per loop

In [5]: rr, cc = np.broadcast_arrays(r,c)

In [6]: flat_index = rr*a.shape[1] + cc

In [7]: %timeit a.take(flat_index).sum(-1)
100 loops, best of 3: 5.5 ms per loop

In [8]: (a.take(flat_index).sum(-1) == a[r,c].sum(-1)).all()
Out[8]: True

Я думаю, что только другой способ, которым вы будете видеть большую часть улучшения скорости, помимо этого, - это написать собственное ядро ​​для графического процессора, используя что-то вроде PyCUDA.