행렬의 각 행에 numpy.linalg.norm을 적용하는 방법은 무엇입니까?
2D 행렬이 있고 각 행의 표준을 취하고 싶습니다. 그러나 내가 numpy.linalg.norm(X)
직접 사용할 때는 전체 매트릭스의 표준을 취합니다.
for 루프를 사용하여 각 행의 norm을 취한 다음 each의 norm을 취할 수 X[i]
있지만 30k 행이 있기 때문에 시간이 많이 걸립니다.
더 빠른 방법을 찾기위한 제안 사항이 있습니까? 아니면 np.linalg.norm
행렬의 각 행에 적용 할 수 있습니까?
같은 것을 유의 perimosocordiae 쇼 NumPy와 버전 1.9로, np.linalg.norm(x, axis=1)
2 계층 놈을 계산하는 가장 빠른 방법이다.
L2-norm을 계산하는 경우 직접 계산할 수 있습니다 ( axis=-1
인수를 사용하여 행을 합산).
np.sum(np.abs(x)**2,axis=-1)**(1./2)
물론 Lp-norms도 비슷하게 계산할 수 있습니다.
np.apply_along_axis
편리하지는 않지만 보다 상당히 빠릅니다 .
In [48]: %timeit np.apply_along_axis(np.linalg.norm, 1, x)
1000 loops, best of 3: 208 us per loop
In [49]: %timeit np.sum(np.abs(x)**2,axis=-1)**(1./2)
100000 loops, best of 3: 18.3 us per loop
다른 ord
형식 norm
도 직접 계산할 수 있습니다 (비슷한 속도 향상).
In [55]: %timeit np.apply_along_axis(lambda row:np.linalg.norm(row,ord=1), 1, x)
1000 loops, best of 3: 203 us per loop
In [54]: %timeit np.sum(abs(x), axis=-1)
100000 loops, best of 3: 10.9 us per loop
numpy 업데이트로 인해 오래된 질문을 부활시킵니다. 1.9 릴리스부터 numpy.linalg.norm
이제 axis
인수를 허용합니다 . [ 코드 , 문서 ]
이것은 마을에서 새로운 가장 빠른 방법입니다.
In [10]: x = np.random.random((500,500))
In [11]: %timeit np.apply_along_axis(np.linalg.norm, 1, x)
10 loops, best of 3: 21 ms per loop
In [12]: %timeit np.sum(np.abs(x)**2,axis=-1)**(1./2)
100 loops, best of 3: 2.6 ms per loop
In [13]: %timeit np.linalg.norm(x, axis=1)
1000 loops, best of 3: 1.4 ms per loop
그리고 그것이 같은 것을 계산한다는 것을 증명하기 위해 :
In [14]: np.allclose(np.linalg.norm(x, axis=1), np.sum(np.abs(x)**2,axis=-1)**(1./2))
Out[14]: True
허용되는 답변보다 훨씬 빠릅니다.
numpy.sqrt(numpy.einsum('ij,ij->i', a, a))
로그 스케일에 유의하십시오.
플롯을 재현하는 코드 :
import numpy
import perfplot
def sum_sqrt(a):
return numpy.sqrt(numpy.sum(numpy.abs(a)**2, axis=-1))
def apply_norm_along_axis(a):
return numpy.apply_along_axis(numpy.linalg.norm, 1, a)
def norm_axis(a):
return numpy.linalg.norm(a, axis=1)
def einsum_sqrt(a):
return numpy.sqrt(numpy.einsum('ij,ij->i', a, a))
perfplot.show(
setup=lambda n: numpy.random.rand(n, 3),
kernels=[sum_sqrt, apply_norm_along_axis, norm_axis, einsum_sqrt],
n_range=[2**k for k in range(20)],
logx=True,
logy=True,
xlabel='len(a)'
)
다음을 시도하십시오.
In [16]: numpy.apply_along_axis(numpy.linalg.norm, 1, a)
Out[16]: array([ 5.38516481, 1.41421356, 5.38516481])
a
2D 배열은 어디에 있습니까 ?
위는 L2 표준을 계산합니다. 다른 표준의 경우 다음과 같이 사용할 수 있습니다.
In [22]: numpy.apply_along_axis(lambda row:numpy.linalg.norm(row,ord=1), 1, a)
Out[22]: array([9, 2, 9])
참고 URL : https://stackoverflow.com/questions/7741878/how-to-apply-numpy-linalg-norm-to-each-row-of-a-matrix
'Programing' 카테고리의 다른 글
UTF-8 읽기-BOM 마커 (0) | 2020.11.27 |
---|---|
"EXC_BAD_ACCESS"예외를 유발하는 NSNotificationCenter 게시물 (0) | 2020.11.27 |
URL에서 원격 이미지의 너비 높이 가져 오기 (0) | 2020.11.27 |
numpy 배열에서 곱하기 (0) | 2020.11.27 |
Java에서 교착 상태 감지 (0) | 2020.11.27 |