numpy - Fast inverse and transpose matrix in Python -


मेरे पास एक बड़ा मैट्रिक्स ए आकृति का (n, n, 3, 3 ) के साथ n के बारे में 5000 है। अब मुझे मैट्रिक्स a : व्युत्क्रम और स्थानांतरित करना चाहते हैं: numpy as np a = np.random.rand (1000, 1000, 3, 3) पहचान = एनपी। निवासी (3, dtype = A.dtype) Ainv = np.zeros_like (ए) एट्रांस = np.zeros_like (ए) के लिए मैं रेंज (1000) में: सीमा के लिए जी में (1000): ऐन्विन [i, j ] = Np.linalg.solve (ए [i, j], पहचान) एट्रांस [i, j] = np.transpose (ए [i, j])

क्या कोई तेज़ है , यह करने के लिए अधिक कुशल तरीका है?

यह मेरा एक प्रोजेक्ट से लिया जाता है, जहां मैं भी करता हूं Vexized रैखिक बीजगणित कई 3x3 मैट्रिक्स पर।

ध्यान दें कि केवल 3 से अधिक एक लूप है; N पर लूप नहीं है, इसलिए महत्वपूर्ण आयामों में कोड को सदिश किया गया है। मैं यह कैसे C / numba एक्सटेंशन की तुलना में एक ही बात करने के लिए तुलना करने के लिए ज़मानत नहीं करना चाहता, हालांकि, प्रदर्शन के आधार पर। यह काफी तेजी से अभी भी होने की संभावना है, लेकिन कम से कम यह पानी से बाहर n पर छोरों को उड़ाता है। 

  def adjoint (ए): "" "det द्वारा विभाजन के बिना उलटा गणना; ..xv3xc3 इनपुट, या मैट्रिक्स की सरणी के लिए "एआई = एनपी.एम्प्टी_एक्लो (ए)" एक्सरेन्ज (3) में: एआई [..., i ,:] = np.cross (ए [..., I-2 ,:], ए [..., i-1 ,:]) एआई डीएफ़ inverse_transpose (ए): "" "3x3 मैट्रिक्स के ढेर के लिए व्युत्क्रम-पारगमन" कुशलतापूर्वक गणना "" I = adjoint (ए ) Det = डॉट (I, ए)। मीन (अक्ष = -1) रिटर्न I / det [..., कोई नहीं, कोई नहीं] def उलटा (ए): "" "3x3 मैट्रिक्स के एक स्टैक के व्युत्क्रम" "" वापसी Np.swapaxes (inverse_transpose (A), -1, -2) def डॉट (ए, बी): "" "डॉक्स एरेज़ ऑफ वेक्स; अंतिम इंडेक्सेस पर कॉन्ट्रैक्ट" "एनपी.इंसम ('... i। ..i-> ... ..., A, B) A = np.random.rand (2,2,3,3) I = उलटा (ए) प्रिंट np.einsum ('... ij, .. । जेके ', ए, आई)

Comments

Post a Comment

Popular posts from this blog

python - how we can use ajax() in views.py in django? -

I have a little code here. Could you please tell me what this code really does? please. Here in the AJAX call: $ .ajax ({url: "{% url} upload_document '%}", type: "POST", data : {Csrfmiddletoken: document.getElementsByName ('csrfmiddletoken') [0] Price, Title: document.getElementById ('title'). Value, // document: document: document.getElementById ('document'),}, datatype: "Jason", success: function (feedback) {if (feedback == "true") {// success} other {// attachment errors}}}); How AJAX works in the Django and how we can see the AJAX request. Here is the idea of ​​my thoughts def upload_document (requested): Print request. POTT print request FILES if request.is_ajax (): If request.method == 'POST': form = UploadForm (request.POST, request.FILES, user = request.user) if form.is_valid (): Form.save () return HTTPPCS (SimpleJason Dumps ('True'), Mime Type = 'App / Jason') Other:...
Read more

matlab - Using loops to get multiple values into a cell -

I have 31 topics (S1, S2, S3, S4, etc.) 3 images in each topic, opposite 1 IMG, Contrast 2 IMG and Contrast 3 Are IMG I p In a NX1 cell named P, I would like to use a loop to get all the paths of contrasts from all the subjects: data / S1 / contrast1.img / S1 / contrast2.img data / S1 / contrast3.img data / s2 / contrast1.img data / S2 / contrast2.img Data / S2 / contrast3.img ... Data / S31 / contast3.img This is what I've tried: A = {'S1', 'S2', 'S3', ..., 'S31'}; % All topics C = {'contrast1.img', 'contrast2.img', 'contrast3.img'}; For each = P = cell (31 * 3,1) for each topic, the required contrast images: Length = A for Jammu = 1: Length (C) P {j} = spm_select ('FPList', Fullfile (data_path, q {i}) sprint ('% s', cell2mat (c))); % Of each topic is to select three contrast images, it works in my script, it is probably not 100% correct, because I had to simplify this example. End of ...
Read more

python - Sequence Pattern recognition with Pybrain -

Image
I am constantly trying to use recurrent neural networks to classify a series of data. To be more specific, I have a sequence of sensor reading (which is continuous over time), I have to learn an algorithm which can detect the state related to this pattern, given the readings change. Example: Time step_1: 1.4 Time step_2: 1 Time step_3: 0.8 State = New Sequence: Time Phase 1: 0.4 Time Phase 2: 0.3 Time Phase 3: 0.1 State = Sitting I actually have 12 censors, I'm just showing a sequence of numbers for convenience. (Numbers are not real, I'm just trying to fulfill this idea)! I am trying to make my network with PyBrain RNN, however, I can not get a Data Set Container that can detect it, like information I tried to use sequential data But after some testing I came to know that this number is the next element in the sequence of numbers. Here's how I prepare my dataset: self.alldata = SequentialDataSet (ds.num_features, 1) # Now add samples to the dat...
Read more