pyoperators 0.13.16

开始

要定义运算符，需要定义一个直接函数 它将取代通常的矩阵向量运算：

>>> def f(x, out):
...     out[...] = 2 * x

然后，可以实例化Operator：

>>> A = pyoperators.Operator(direct=f, flags='symmetric')

定义运算符的另一种方法是定义子类：

>>> from pyoperators import flags, Operator
... @flags.symmetric
... class MyOperator(Operator):
...     def direct(x, out):
...         out[...] = 2 * x
...
... A = MyOperator()

此运算符没有显式形状，它可以处理任何形状的输入：

>>> A(np.ones(5))
array([ 2.,  2.,  2.,  2.,  2.])
>>> A(np.ones((2,3)))
array([[ 2.,  2.,  2.],
       [ 2.,  2.,  2.]])

通过设置symmetric标志，我们确保a的转置是a:

>>> A.T is A
True

对于非显式形状算子，我们通过指定输入形状来得到相应的稠密矩阵：

>>> A.todense(shapein=2)
array([[2, 0],
       [0, 2]])

运算符不必是线性的。许多运算符已经是predefined，例如IdentityOperator、DiagonalOperator或非线性ClipOperator。

前面的A矩阵可以更容易地定义如下：

>>> from pyoperators import I
>>> A = 2 * I

其中I是没有显式形状的标识运算符。

运算符可以通过加法、元素乘法或组合组合在一起。注意，如果两个运算符是线性的，则运算符*表示矩阵乘法，否则表示元素乘法：

>>> from pyoperators import I, DiagonalOperator
>>> B = 2 * I + DiagonalOperator(range(3))
>>> B.todense()
array([[2, 0, 0],
       [0, 3, 0],
       [0, 0, 4]])

代数规则可以很容易地附加到运算符上。它们用于简化表达式以加快执行速度。B运算符已缩减为：

>>> B
DiagonalOperator(array([2, ..., 4], dtype=int64), broadcast='disabled', dtype=int64, shapein=3, shapeout=3)

有许多简化方法。例如：

>>> from pyoperators import Operator
>>> C = Operator(flags='idempotent,linear')
>>> C * C is C
True
>>> D = Operator(flags='involutary')
>>> D(D)
IdentityOperator()

要求

要求列表：

• Python2.6
• numpy>；=1.6
• scipy=0.9

可选要求：

• numexpr（>；=2.0更好）
• pywavelts：小波变换