Le produit scalaire de deux vecteurs n-dimensionnels u=[u1,u2,...un]
et v=[v1,v2,...,vn]
est donné par u1*v1 + u2*v2 + ... + un*vn
.Produit scalaire optimisé en Python
Une question posted yesterday m'a encouragé à trouver le moyen le plus rapide de calculer des produits scalaires en Python en utilisant seulement la bibliothèque standard, pas de modules tiers ou des appels C/Fortran/C++.
J'ai chronométré quatre approches différentes; jusqu'à présent, le plus rapide semble être sum(starmap(mul,izip(v1,v2)))
(où starmap
et izip
proviennent du module itertools
).
Pour le code présenté ci-dessous, ce sont les temps écoulés (en quelques secondes, pour un million de courses):
d0: 12.01215
d1: 11.76151
d2: 12.54092
d3: 09.58523
Pouvez-vous penser à une façon plus rapide de le faire?
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()
Notez que le nom du fichier doit être dot_product.py
pour le script à exécuter; J'ai utilisé Python 2.5.1 sur Mac OS X Version 10.5.8.
EDIT:
J'ai couru le script N = 1000 et ceux-ci sont les résultats (en secondes, pour un million de courses):
d0: 205.35457
d1: 208.13006
d2: 230.07463
d3: 155.29670
Je pense qu'il est raisonnable de supposer que, en effet , l'option trois est la plus rapide et l'option deux la plus lente (sur les quatre présentées).
@Arrieta: Vous pouvez supprimer l'exigence que le fichier soit appelé dot_product.py en remplaçant 'from dot_product' par 'from __main__'. – unutbu
@unutbu: Bien sûr, je pense simplement qu'il est plus simple d'enregistrer le fichier avec ce nom pour une exécution rapide que pour modifier le script. Je vous remercie. – Escualo
Mes résultats sont: d0 écoulé: 13.4328830242 d1 écoulé: 9.52215504646 d2 écoulé: 10.1050257683 d3 écoulé: 9.16764998436 Assurez-vous de vérifier si les différences entre d1 et d3 sont statistiquement significatives. – liori