在 Numpy 中有更快的方法吗？

Question

我想在 numpy 中生成一个 3D 矩阵。代码是：

mean_value = np.array([1, 2, 3], dtype=np.float32)
h, w = 5, 5
b = np.ones((h, w, 1), dtype=np.float32) * np.reshape(mean_value, [1, 1, 3])
print(b.shape)  # (5, 5, 3)

有没有更快的方法生成b？谢谢

Answer 1

为了效率（内存、性能），简单地 broadcast 和 np.broadcast_to 用于视图输出 -

np.broadcast_to(mean_value,(h,w,)+mean_value.shape)

作为一个视图，它没有内存开销，因此在运行时几乎是免费的。

让我们验证一下性能部分-

In [45]: mean_value = np.array([1, 2, 3], dtype=np.float32)
    ...: h, w = 5, 5

In [46]: %timeit np.broadcast_to(mean_value,(h,w,)+mean_value.shape)
100000 loops, best of 3: 3.21 µs per loop

In [47]: mean_value = np.random.rand(10000)
    ...: h, w = 5000, 5000

In [48]: %timeit np.broadcast_to(mean_value,(h,w,)+mean_value.shape)
100000 loops, best of 3: 3.22 µs per loop

和内存部分（作为视图）-

In [49]: np.shares_memory(mean_value,np.broadcast_to(mean_value,(h,w,)+mean_value.shape))
Out[49]: True

在 Numpy 中有更快的方法吗？

Is there a quicker way to do this in Numpy?

python

numpy

numpy-ndarray

array-broadcasting