Numpy：効率的な行列計算A * xjここでxjはXの行jです

Question

この「問題」の背景は、私が大規模なPythonプロジェクトを最適化しようとしていることです。私は、プログラムをタイミング開始し、実行時間のほぼ50％がこの1と同様の計算に費やされていることに気づい：私はこれより早く作るための方法を見つけることを試みてきました

import numpy as np 

# Example 
A = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]]) 
X = np.random.multivariate_normal([0,0,0,0],np.eye(4),15000) 

# Create a lambda function to use row based 
F = lambda x: np.dot(A,x) 

# Now calculating the value 
answer = np.apply_along_axis(F, 1, X) 

print answer.shape 

、しかしに走り続けます壁。これは本当にこれを行うのに最適ですか？

Answer 1

とAでnp.dotを使用して2番目の軸をそれぞれ失うことができます。 np.dotに入力するには、Xを最初の入力として使用し、Aを転置して2番目の軸を前面に移動して2番目の入力として使用します。

したがって、我々はそうのような出力を持っているでしょう -

X.dot(A.T) 

ランタイム質問に記載されているサンプル入力のテスト -

In [192]: %timeit np.apply_along_axis(F, 1, X) 
1 loops, best of 3: 185 ms per loop 

In [193]: %timeit X.dot(A.T) 
1000 loops, best of 3: 228 µs per loop 

In [194]: np.allclose(np.apply_along_axis(F, 1, X), X.dot(A.T)) 
Out[194]: True # verified results against original code