假设我有一个二维图像,每个点都有相关联的坐标(x,y)。 我想在每个点$ i $和每个其他点$ j $处找到位置向量的内积。 本质上,是两个2d数组的笛卡尔积。
在Python中最快的方法是什么?
我当前的实现看起来像这样:
def cartesian_product(arrays):
broadcastable = np.ix_(*arrays)
broadcasted = np.broadcast_arrays(*broadcastable)
rows, cols = reduce(np.multiply, broadcasted[0].shape), len(broadcasted)
out = np.empty(rows * cols, dtype=broadcasted[0].dtype)
start, end = 0, rows
for a in broadcasted:
out[start:end] = a.reshape(-1)
start, end = end, end + rows
return out.reshape(cols, rows).T
def inner_product():
x, y = np.meshgrid(np.arange(4),np.arange(4))
cart_x = cartesian_product([x.flatten(),x.flatten()])
cart_y = cartesian_product([y.flatten(),y.flatten()])
Nx = x.shape[0]
xx = (cart_x[:,0]*cart_x[:,1]).reshape((Nx**2,Nx,Nx))
yy = (cart_y[:,0]*cart_y[:,1]).reshape((Nx**2,Nx,Nx))
inner_products = xx+yy
return inner_products
(应归功于贷方:cartesian_product来自使用numpy来构建两个数组的所有组合的数组 )
但这是行不通的。 对于较大的阵列(例如256x256),这会给我带来内存错误。