Numpy 融合乘法和加法以避免浪费内存

是否可以将两个 ndarray A 和 B 相乘并将结果添加到 C，而无需为 A 乘以 B 创建一个大型中间数组？

Numpy 对于 C = A 乘 B 的情况有 out 关键字参数：

numpy.multiply(A, B, out=C)

C += A 乘以 B 的情况怎么样？

Numpy 一次只支持一项操作。话虽如此，有几种解决方法。

就地运营

最简单的解决方案是通过以下方式使用就地操作+= and *=

import numpy as np

n = 100
b = 5.0

x = np.random.rand(n)
y = np.random.rand(n)

z = b * x
z += y

BLAS

您可以访问底层BLAS程序并手动应用它们。遗憾的是，没有乘加指令，但有“AXPY”指令，它执行

y <- a * x + y

可以通过以下方式调用：

import scipy

axpy = scipy.linalg.blas.get_blas_funcs('axpy', arrays=(x, y))
axpy(x, y, n, b)

Numexpr

另一种选择是使用一些包，例如numexpr它允许您编译表达式：

import numexpr

z = numexpr.evaluate('b * x + y')

Theano

最近，几个机器学习包开始支持编译表达式，其中之一就是 theano。你可以这样做：

import theano

x = theano.tensor.vector()         # declare variable
y = theano.tensor.vector()         # declare variable

out = b * x + y                    # build symbolic expression
f = theano.function([x, y], out)   # compile function

z = f(x, y)