用Arrayfire实现Python中复杂数组的快速幂运算

Question

根据arrayfire pow文档，af.pow()目前只支持权力(和根.)真正的数组。没有抛出错误，但我发现使用具有复杂输入的af.pow()会导致巨大的内存泄漏，特别是如果使用其他函数作为输入(例如，af.pow(af.ifft(array), 2))。

为了解决这个问题，我在下面编写了函数complexPow。这似乎是针对没有内存泄漏的复杂数组运行的，快速比较显示，我的complexPow函数返回与numpy.sqrt()和**操作符相同的值。

def complexPow(inData, power):
    for i in af.ParallelRange(inData.shape[0]):
        theta = af.atan(af.imag(inData[i])/af.real(inData[i]))
        rSquared = af.pow(af.real(inData[i]), 2.0) + \
                    af.pow(af.imag(inData[i]), 2.0)
        r = af.pow(rSquared, .5)
        inData[i] = af.pow(r, power) * (af.cos(theta*power) + \
                1j*af.sin(theta*power))
    return inData

有比这更快的并行元素幂的方法吗？我还没找到，但怕我错过了一个小把戏.

Answer 1

如果没有并行的for循环，这会更快一些：

def complexPow(inData, power):
    theta = af.atan(af.imag(inData)/af.real(inData))
    r = af.pow(af.pow(af.real(inData), 2.0) + 
                af.pow(af.imag(inData), 2.0), .5)
    inData = af.pow(r, power) * (af.cos(theta*power) + \
                1j*af.sin(theta*power))
    return inData

使用nvidia Quadro K4200，Spyder 3，Python2.7，Windows 7，测试了一个维度为(1, 2**18)的(1, 2**18)数组上的4000次迭代：

使用af.ParallelRange**:** 7.64秒(每迭代1.91msec)。

上面的方法：5.94秒(每迭代1.49msec)。

增速： 28%。