Scipy的相关函数很慢

Question

我比较了使用 numpy/scipy 对两个信号进行卷积/关联的不同方法。事实证明，速度存在巨大差异。我比较了以下方法：

• 从 numpy 包中关联（绘图中的 np.correlate）
• 来自 scipy.signal 包的关联（sps.correlate in plot）
• fftconvolve from scipy.signal（sps.fftconvolve in plot）

现在我当然明白 fftconvolve 和其他两个函数之间存在相当大的差异。我不明白为什么sps.correlate 比np.correlate 慢得多。有人知道为什么 scipy 使用这么慢的实现吗？

为了完整起见，这里是产生情节的代码：

import time

import numpy as np
import scipy.signal as sps

from matplotlib import pyplot as plt


if __name__ == '__main__':

    a = 10**(np.arange(10)/2)
    print(a)

    results = {}
    results['np.correlate'] = np.zeros(len(a))
    results['sps.correlate'] = np.zeros(len(a))
    results['sps.fftconvolve'] = np.zeros(len(a))

    ii = 0
    for length in a:

        sig = np.random.rand(length)

        t0 = time.clock()
        for jj in range(3):
            np.correlate(sig, sig, 'full')
        t1 = time.clock()
        elapsed = (t1-t0)/3

        results['np.correlate'][ii] = elapsed

        t0 = time.clock()
        for jj in range(3):
            sps.correlate(sig, sig, 'full')
        t1 = time.clock()
        elapsed = (t1-t0)/3

        results['sps.correlate'][ii] = elapsed

        t0 = time.clock()
        for jj in range(3):
            sps.fftconvolve(sig, sig, 'full')
        t1 = time.clock()
        elapsed = (t1-t0)/3

        results['sps.fftconvolve'][ii] = elapsed

        ii += 1

    ax = plt.figure()
    plt.loglog(a, results['np.correlate'], label='np.correlate')
    plt.loglog(a, results['sps.correlate'], label='sps.correlate')
    plt.loglog(a, results['sps.fftconvolve'], label='sps.fftconvolve')
    plt.xlabel('Signal length')
    plt.ylabel('Elapsed time in seconds')

    plt.legend()
    plt.grid()

    plt.show()

Answer 1

根据文档，numpy.correlate 是为一维阵列设计的，而scipy.correlate 可以接受 ND 阵列。

scipy 实现更通用，因此更复杂，似乎确实会产生额外的计算开销。您可以比较 numpy 和 scipy 实现之间的 C 代码。

另一个区别，例如，numpy 实现可以更好地被现代处理器上的编译器向量化，等等。