如何加速一个数组元素的求和？

Question

我想做一个3d数组的总和，但将元素n分组到n。显式地做它需要大量的执行时间。

我尝试过使用numba，但它并没有改善。对于f2py，它可能可以工作，但在这种情况下，我更愿意跳过它。

fsum=np.zeros([N,M,L])
for i in range(0,N):
     for j in range(1,M-1):
       for k in range(0,L):
           for h in range(j-5,j+5):
               fsum[i,j,k]=fsum[i,j,k]+g[i,h,k]

我想找到一种方法来写它，这样可以提高性能。我该怎么做呢？

Answer 1

如果您可以使用scipy，那么可以使用n-d卷积：

import numpy as np
from scipy.ndimage.filters import convolve

这是你的输入

g = np.ones((100,100,5) 

在这里你可以定义卷积的“窗口”

ker = np.ones((1,11,1)) # = [[[1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1]]]

然后使用处理边界的模式计算卷积

# constant means that a 0-padding will be added to border to compute the convolution
fmat = convolve(g, ker, mode='constant') 

显示结果

print(fmat)

请参阅Here获取更多详细信息。

编辑：

对于第二个维度，您需要将元素五乘五求和。因此，您需要计算每个像素周围的1x11x1窗口的总和(这是您的for循环，范围从j-5到j+5)。这可以使用卷积(例如，将滤波器应用于图像是卷积)。