python - 取两个向量列表的 "element-wise"点积比 numpy.einsum 更快的替代方法？

Question

假设您有两个向量数组:

v1 = np.array([ [1, 2], [3, 4] ])v2 = np.array([ [10, 20], [30, 40]])

我们想生成一个等价于的数组:

v3 = np.array([ np.dot(v1[0], v2[0]), np.dot(v1[1], v2[1]) ])

目前我使用:

v3 = np.einsum('ij,ij->i', v1, v2)

但是，我在我的代码中经常这样做，所以这里的加速对我来说非常有帮助。

我们怎样才能加快速度？ np.einsum 已经相当高效了，但我想知道对于这个特定用例，是否有更快的方法？

Answer 1

einsum 做了我能想到的 3 个选项中最好的:

In [73]: timeit v3=np.einsum('ij,ij->i',v1,v2)
100000 loops, best of 3: 5.14 us per loop

In [74]: timeit np.diag(np.dot(v1,v2.T))
100000 loops, best of 3: 7.43 us per loop

In [75]: timeit np.sum(v1*v2,axis=1)
100000 loops, best of 3: 16.8 us per loop

几个问题要问:

• 这个计算真的那么昂贵吗？
• 如果相对昂贵，您是否必须经常这样做？
• 您能否合并 einsum 调用 - 连接数组？