我正在编写自己的脚本来计算两个信号之间的关系。因此我使用mlab.csd公司以及mlab.屏蔽门用于计算信号的CSD和PSD的函数。 我的数组x的形状是(120,68,68815)。我的脚本运行了几分钟,这个函数是这段时间的热点。你知道吗
有人知道我该怎么做吗?我不太熟悉脚本性能的提高。谢谢!你知道吗
# to read the list of stcs for all the epochs
with open('/home/daniel/Dropbox/F[...]', 'rb') as f:
label_ts = pickle.load(f)
x = np.asarray(label_ts)
nfft = 512
n_freqs = nfft/2+1
n_epochs = len(x) # in this case there are 120 epochs
channels = 68
sfreq = 1017.25
def compute_mean_psd_csd(x, n_epochs, nfft, sfreq):
'''Computes mean of PSD and CSD for signals.'''
Rxy = np.zeros((n_epochs, channels, channels, n_freqs), dtype=complex)
Rxx = np.zeros((n_epochs, channels, channels, n_freqs))
Ryy = np.zeros((n_epochs, channels, channels, n_freqs))
for i in xrange(0, n_epochs):
print('computing connectivity for epoch %s'%(i+1))
for j in xrange(0, channels):
for k in xrange(0, channels):
Rxy[i,j,k], freqs = mlab.csd(x[j], x[k], NFFT=nfft, Fs=sfreq)
Rxx[i,j,k], _____ = mlab.psd(x[j], NFFT=nfft, Fs=sfreq)
Ryy[i,j,k], _____ = mlab.psd(x[k], NFFT=nfft, Fs=sfreq)
Rxy_mean = np.mean(Rxy, axis=0, dtype=np.float32)
Rxx_mean = np.mean(Rxx, axis=0, dtype=np.float32)
Ryy_mean = np.mean(Ryy, axis=0, dtype=np.float32)
return freqs, Rxy, Rxy_mean, np.real(Rxx_mean), np.real(Ryy_mean)
如果
csd
和psd
方法是计算密集型的,那么这可能会有所帮助。有可能您可以简单地缓存以前调用的结果并获取它,而不是多次计算。你知道吗看起来,您将有
120 * 68 * 68 = 591872
个循环。你知道吗在psd计算的情况下,如果方法仅依赖于一个参数,则应该可以毫无问题地缓存值。你知道吗
将值存储在dict中,以便
x[j]
或x[k]
检查该值是否存在。如果值不存在,则计算并存储它。如果该值存在,只需跳过该值并重用该值。你知道吗您可以使用
csd
方法执行相同的操作。我对这件事的了解还不够多。如果参数的顺序无关紧要,可以按排序顺序存储这两个参数,以防止重复,例如2, 1
和1, 2
。你知道吗只有在内存访问时间低于计算时间和存储时间的情况下,使用缓存才能使代码更快。这个补丁可以很容易地添加一个模块,该模块执行
memoization
。你知道吗以下是一篇关于回忆录的文章供进一步阅读:
http://www.python-course.eu/python3_memoization.php
相关问题 更多 >
编程相关推荐