使用numpy或cython进行高效的成对DTW计算 |
您所在的位置:网站首页 › 电脑安装numpy › 使用numpy或cython进行高效的成对DTW计算 |
我试图计算numpy数组中包含的多个时间序列之间的成对距离.请参阅下面的代码 print(type(sales)) print(sales.shape) (687, 157)因此,sales包含长度为157的687个时间序列.使用pdist计算时间序列之间的DTW距离. import fastdtw import scipy.spatial.distance as sd def my_fastdtw(sales1, sales2): return fastdtw.fastdtw(sales1,sales2)[0] distance_matrix = sd.pdist(sales, my_fastdtw)---编辑:尝试没有pdist()----- distance_matrix = [] m = len(sales) for i in range(0, m - 1): for j in range(i + 1, m): distance_matrix.append(fastdtw.fastdtw(sales[i], sales[j]))---编辑:并行化内循环----- from joblib import Parallel, delayed import multiprocessing import fastdtw num_cores = multiprocessing.cpu_count() - 1 N = 687 def my_fastdtw(sales1, sales2): return fastdtw.fastdtw(sales1,sales2)[0] results = [[] for i in range(N)] for i in range(0, N- 1): results[i] = Parallel(n_jobs=num_cores)(delayed(my_fastdtw) (sales[i],sales[j]) for j in range(i + 1, N) )所有的方法都很慢.并行方法大约需要12分钟.有人可以建议一个有效的方法吗? ---编辑:按照以下答案中提到的步骤--- 以下是lib文件夹的外观: VirtualBox:~/anaconda3/lib/python3.6/site-packages/fastdtw-0.3.2-py3.6- linux-x86_64.egg/fastdtw$ ls _fastdtw.cpython-36m-x86_64-linux-gnu.so fastdtw.py __pycache__ _fastdtw.py __init__.py所以,那里有一个cyd版本的fastdtw.安装时,我没有收到任何错误.即使是现在,当我CTRL-C在程序执行期间按下时,我可以看到正在使用纯python版本(fastdtw.py): /home/vishal/anaconda3/lib/python3.6/site-packages/fastdtw/fastdtw.py in fastdtw(x, y, radius, dist) /home/vishal/anaconda3/lib/python3.6/site-packages/fastdtw/fastdtw.py in __fastdtw(x, y, radius, dist)代码仍然像以前一样缓慢. 1> ead..: TL; DR 您fastdtw不赞成安装快速的cpp版本,而无声地退回到纯Python版本,这很慢。 您需要修复fastdtw-package 的安装。 整个计算都在中完成fastdtw,因此您无法真正从外部加速计算。而且并行化和python并不是一件容易的事(还好吗?)。 该fastdtw文档说它需要O(n)进行比较的操作,因此对于整个测试集,它需要大约一个数量级的10^9操作,如果使用例如C语言进行编程,则应在几秒钟内完成。您所看到的性能离它很近。 如果我们看一下所看到的代码fastdtw,有两个版本:cython / cpp-version,它是快速的并通过cython导入,而回退的是纯Python版本。如果未预先设置快速版本,则将使用慢速python版本。 因此,运行您的计算,将其中断Ctr+C,您将看到自己在python代码中。您还可以转到您的lib文件夹,看看里面只有纯Python版本。 因此,您安装快速fastdtw 版本失败。实际上,我认为wheel-package很烂,至少在我的版本中,仅存在纯python代码。 该怎么办? 获取源代码,例如通过 git clone https://github.com/slaypni/fastdtw 进入fstdtw文件夹并运行python setup.py build 当心错误。我的是 致命错误:numpy / npy_math.h:没有此类文件或目录 修理它。 对我而言,解决方法是更改的以下行setup.py: import numpy # THIS ADDED extensiOns= [Extension( 'fastdtw._fastdtw', [os.path.join('fastdtw', '_fastdtw' + ext)], language="c++", include_dirs=[numpy.get_include()], # AND ADDED numpy.get_include() libraries=["stdc++"] )]重复3. + 4。直到成功 跑 python setup.py install 现在您的程序应该快100倍左右。` 2> 小智..: 说实话,fastdtw一点都不快 from cdtw import pydtw from dtaidistance import dtw from fastdtw import fastdtw from scipy.spatial.distance import euclidean s1=np.array([1,2,3,4],dtype=np.double) s2=np.array([4,3,2,1],dtype=np.double) %timeit dtw.distance_fast(s1, s2) 4.1 µs ± 28.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) %timeit d2 = pydtw.dtw(s1,s2,pydtw.Settings(step = 'p0sym', window = 'palival', param = 2.0, norm = False, compute_path = True)).get_dist() 45.6 µs ± 3.39 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each) %timeit d3,_=fastdtw(s1, s2, dist=euclidean) 901 µs ± 9.95 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)fastdtw比dtaidistancelib 慢219倍,比lib慢20倍cdtw 考虑改变。这是dtaidistancegit: https://github.com/wannesm/dtaidistance 要安装,只需: pip install dtaidistance |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |