El producto escalar de dos vectores n-dimensionales u=[u1,u2,...un] y v=[v1,v2,...,vn] es proporcionado por u1*v1 + u2*v2 + ... + un*vn.Producto de punto optimizado en Python
Una pregunta posted yesterday me animó a encontrar la forma más rápida de calcular productos de puntos en Python utilizando solo la biblioteca estándar, sin módulos de terceros o llamadas C/Fortran/C++.
Discutí cuatro enfoques diferentes; hasta ahora, el más rápido parece ser sum(starmap(mul,izip(v1,v2))) (donde starmap y izip provienen del módulo itertools).
Para el código presentado a continuación, estos son los tiempos transcurrido (en segundos, para un millón de carreras):
d0: 12.01215
d1: 11.76151
d2: 12.54092
d3: 09.58523
¿Se puede pensar en una manera más rápida de hacer esto?
import timeit # module with timing subroutines
import random # module to generate random numnbers
from itertools import imap,starmap,izip
from operator import mul
def v(N=50,min=-10,max=10):
"""Generates a random vector (in an array) of dimension N; the
values are integers in the range [min,max]."""
out = []
for k in range(N):
out.append(random.randint(min,max))
return out
def check(v1,v2):
if len(v1)!=len(v2):
raise ValueError,"the lenght of both arrays must be the same"
pass
def d0(v1,v2):
"""
d0 is Nominal approach:
multiply/add in a loop
"""
check(v1,v2)
out = 0
for k in range(len(v1)):
out += v1[k] * v2[k]
return out
def d1(v1,v2):
"""
d1 uses an imap (from itertools)
"""
check(v1,v2)
return sum(imap(mul,v1,v2))
def d2(v1,v2):
"""
d2 uses a conventional map
"""
check(v1,v2)
return sum(map(mul,v1,v2))
def d3(v1,v2):
"""
d3 uses a starmap (itertools) to apply the mul operator on an izipped (v1,v2)
"""
check(v1,v2)
return sum(starmap(mul,izip(v1,v2)))
# generate the test vectors
v1 = v()
v2 = v()
if __name__ == '__main__':
# Generate two test vectors of dimension N
t0 = timeit.Timer("d0(v1,v2)","from dot_product import d0,v1,v2")
t1 = timeit.Timer("d1(v1,v2)","from dot_product import d1,v1,v2")
t2 = timeit.Timer("d2(v1,v2)","from dot_product import d2,v1,v2")
t3 = timeit.Timer("d3(v1,v2)","from dot_product import d3,v1,v2")
print "d0 elapsed: ", t0.timeit()
print "d1 elapsed: ", t1.timeit()
print "d2 elapsed: ", t2.timeit()
print "d3 elapsed: ", t3.timeit()
en cuenta que el nombre del archivo debe ser dot_product.py para la secuencia de comandos para ejecutar; Utilicé Python 2.5.1 en Mac OS X Versión 10.5.8.
EDIT:
me encontré con el guión de N = 1000 y estos son los resultados (en segundos, de un millón de carreras):
d0: 205.35457
d1: 208.13006
d2: 230.07463
d3: 155.29670
supongo que es seguro asumir que, de hecho, , la opción tres es la más rápida y la opción dos la más lenta (de las cuatro presentadas).
@Arrieta: Puede eliminar el requisito de que el archivo se llame dot_product.py reemplazando 'de dot_product' con 'from __main__'. – unutbu
@unutbu: Claro, creo que es más simple guardar el archivo con ese nombre para una ejecución rápida que alterar el script. Gracias. – Escualo
Mis resultados son: d0 transcurrido: 13.4328830242 d1 transcurrido: 9.52215504646 d2 transcurrido: 10.1050257683 d3 transcurrido: 9.16764998436 Asegúrese de verificar si las diferencias entre d1 y d3 son estadísticamente significativas. – liori