下面是我从多元正态分布中提取的Cython代码。我使用循环,因为每次我有不同的密度。(conLSigma是Cholesky因子)
这需要很多时间,因为我要对每个循环进行逆分解和Cholesky分解。它比纯python代码更快,但我想知道是否有任何方法可以提高速度。在
from __future__ import division
import numpy as np
cimport numpy as np
ctypedef np.float64_t dtype_t
cimport cython
@cython.boundscheck(False)
@cython.wraparound(False)
def drawMetro(np.ndarray[dtype_t, ndim = 2] beta,
np.ndarray[dtype_t, ndim = 3] H,
np.ndarray[dtype_t, ndim = 2] Sigma,
float s):
cdef int ncons = betas.shape[0]
cdef int nX = betas.shape[1]
cdef int con
cdef np.ndarray betas_cand = np.zeros([ncons, nX], dtype = np.float64)
cdef np.ndarray conLSigma = np.zeros([nX, nX], dtype = np.float64)
for con in xrange(ncons):
conLSigma = np.linalg.cholesky(np.linalg.inv(H[con] + Sigma))
betas_cand[con] = betas[con] + s * np.dot(conLSigma, np.random.standard_normal(size = nX))
return(betas_cand)
Cholesky分解创建一个下三角矩阵。这意味着在
np.dot
中完成的乘法有将近一半不需要执行。如果你换线进入
^{pr2}$但是,你也需要改变
^{3}$进入
当然,您可以使用切片进行乘法运算,但我不确定它是否会比我建议的更快。不管怎样,希望你能明白。我不认为你还能做什么来加速这个过程。在
先计算cholesky分解,然后反代换求下三角矩阵。这应该比利纳格乔尔斯基(利纳格投资公司(S) )。在
相关问题 更多 >
编程相关推荐