Более быстрое возведение в степень сложных массивов в Python с помощью Arrayfire

Согласно документации по arrayfire pow, af.pow() в настоящее время поддерживает только полномочия (и корни ...) реальные массивы. Ошибка не возникает, но я обнаружил, что использование af.pow() со сложным вводом может вызвать огромную утечку памяти, особенно если в качестве ввода используются другие функции (например, af.pow(af.ifft(array), 2)).

Чтобы обойти это, я написал функцию complexPow ниже. Похоже, это работает для сложных массивов без утечки памяти, и быстрое сравнение показало, что моя функция complexPow возвращает те же значения, что, например, numpy.sqrt() и оператор **.

def complexPow(inData, power):
    for i in af.ParallelRange(inData.shape[0]):
        theta = af.atan(af.imag(inData[i])/af.real(inData[i]))
        rSquared = af.pow(af.real(inData[i]), 2.0) + \
                    af.pow(af.imag(inData[i]), 2.0)
        r = af.pow(rSquared, .5)
        inData[i] = af.pow(r, power) * (af.cos(theta*power) + \
                1j*af.sin(theta*power))
    return inData

Есть ли более быстрый способ выполнить параллельное поэлементное возведение в степень, чем этот? Я не нашел ни одного, но боюсь, что упускаю здесь хитрость ...


python gpu pow gpgpu arrayfire
person Community    schedule 30.01.2017    source источник
comment
Это определенно похоже на ошибку. Можете ли вы сообщить об этом на github.   -  person aatish    schedule 31.01.2017
comment
Конечно. Я так и думал. Сделаю завтра; У меня есть минимальный рабочий пример, показывающий утечку памяти.   -  person    schedule 31.01.2017

Ответы (1)


arrow_upward
0
arrow_downward

Это немного быстрее без параллельного цикла for:

def complexPow(inData, power):
    theta = af.atan(af.imag(inData)/af.real(inData))
    r = af.pow(af.pow(af.real(inData), 2.0) + 
                af.pow(af.imag(inData), 2.0), .5)
    inData = af.pow(r, power) * (af.cos(theta*power) + \
                1j*af.sin(theta*power))
    return inData

Проведено 4000 итераций над массивом dtype=complex с размерами (1, 2**18) с использованием nvidia Quadro K4200, Spyder 3, Python 2.7, Windows 7:

Использование af.ParallelRange: 7,64 секунды (1,91 мс на итерацию).

Метод выше: 5,94 секунды (1,49 мс на итерацию).

Увеличение скорости: 28%.

person Community    schedule 31.01.2017