在 python 中将 4 维数组与 2 维数组相乘和求和的最快方法？

Question

这是我的问题。我有两个矩阵 A 和 B，具有复杂的条目，维度分别为 (n,n,m,m) 和 (n,n)。

下面是我为得到矩阵而执行的操作C -

C = np.sum(B[:,:,None,None]*A, axis=(0,1))

以上计算一次大约需要 6-8 秒。由于我必须计算很多这样的 C，所以会花费很多时间。有没有更快的方法来做到这一点？（我在多核上使用 JAX NumPy 来做这些 CPU；普通的 NumPy 需要更长的时间）

n=77 和 m=512，如果您想知道的话。当我在集群上工作时，我可以并行化，但数组的绝对大小会消耗大量内存。

Answer 1

看起来你想要einsum:

C = np.einsum('ijkl,ij->kl', A, B)

在 Colab 上使用 numpy CPU 我明白了：

import numpy as np
x = np.random.rand(50, 50, 500, 500)
y = np.random.rand(50, 50)

def f1(x, y):
  return np.sum(y[:,:,None,None]*x, axis=(0,1))

def f2(x, y):
  return np.einsum('ijkl,ij->kl', x, y)

np.testing.assert_allclose(f1(x, y), f2(x, y))

%timeit f1(x, y)
# 1 loop, best of 5: 1.52 s per loop
%timeit f2(x, y)
# 1 loop, best of 5: 620 ms per loop

在 python 中将 4 维数组与 2 维数组相乘和求和的最快方法？

Fastest way to multiply and sum 4D array with 2D array in python?

python

arrays

numpy

linear-algebra

jax