python - 在 Numpy 中是否有更快的方法来做到这一点？

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)

有没有更快的方法来生成b？谢谢。

Answer 1

为了提高效率(内存、性能)，只需使用 np.broadcast_to 进行广播对于 View 输出 -

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

作为一个 View ，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 View )-

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