start = 2 # \/ start points here
input = np.array([4, 5, 1, 2, 3])
output = np.array([1, 2, 3, 4, 5]) # output doesn't need to be memory contiguous, a view is just fine
Длинная версия:
Я пытаюсь реализовать буфер FIFO фиксированной длины на основе numpy.ndarray для аппаратного моделирования.
Моя цель — добиться O(1) (или, по крайней мере, меньше, чем O(n)) постановки в очередь/удаления из очереди, и самое главное: получить массив numpy с правильным порядком.
В конечном итоге я использую указатель start указывает на первый элемент FIFO, поэтому постановка в очередь/извлечение из очереди — это всего лишь одно присваивание/индексация, что происходит быстро.
Но проблема в том, что когда я хочу использовать весь этот FIFO в качестве numpy.ndarray и выполнить некоторые математические вычисления (например, np.dot(signal,fifo)), я не могу найти способ получить соответствующий массив без операции O(n).
Это похоже на уже изобретенное колесо. Я искал в Интернете и что-то пробовал, но ничего из этого мне не подходит:
пока наивный, но наиболее эффективный способ, но все равно O(n)
collection.deque: хорошая производительность при постановке в очередь/удалении из очереди, но работа с другим массивом numpy занимает много времени (кажется, numpy сначала преобразует deque в numpy.ndarray, а затем выполняет математические вычисления, что займет много времени)
индексация: input[np.arange(start,start+size)%size] это расширенная индексация, поэтому она возвращает новый массив, а часть создания индексного массива делает ее еще медленнее
, O(n), медленнее, чем наивный способ, но быстрее, чем другие.
поскольку исходный массив непрерывен, поэтому я также попробовал использовать трюк с шагами/формой, чтобы создать представление исходного массива, но ничего не получилось.
Итак, я пришел сюда за помощью, или это должно быть O(n)?
Краткая версия: как это сделать без копирования памяти O(n) [code] start = 2 # \/ start points here input = np.array([4, 5, 1, 2, 3]) output = np.array([1, 2, 3, 4, 5]) # output doesn't need to be memory contiguous, a view is just fine [/code] Длинная версия: Я пытаюсь реализовать буфер FIFO фиксированной длины на основе numpy.ndarray для аппаратного моделирования.
Моя цель — добиться O(1) (или, по крайней мере, меньше, чем O(n)) постановки в очередь/удаления из очереди, и самое главное: [b]получить массив numpy с правильным порядком[/b]. В конечном итоге я использую указатель start указывает на первый элемент FIFO, поэтому постановка в очередь/извлечение из очереди — это всего лишь одно присваивание/индексация, что происходит быстро.
Но проблема в том, что когда я хочу использовать весь этот FIFO в качестве numpy.ndarray и выполнить некоторые математические вычисления (например, np.dot(signal,fifo)), я не могу найти способ получить соответствующий массив без операции O(n). Это похоже на уже изобретенное колесо. Я искал в Интернете и что-то пробовал, но ничего из этого мне не подходит: [list] [*][code]input[1:] = input[:-1]; input[0] = new_val[/code] пока наивный, но наиболее эффективный способ, но все равно O(n) [*]collection.deque: хорошая производительность при постановке в очередь/удалении из очереди, но работа с другим массивом numpy занимает много времени (кажется, numpy сначала преобразует deque в numpy.ndarray, а затем выполняет математические вычисления, что займет много времени) [*]индексация: input[np.arange(start,start+size)%size] это расширенная индексация, поэтому она возвращает новый массив, а часть создания индексного массива делает ее еще медленнее [*][code]np.r_[input[start:],input[:start]][/code], лучше, чем индексация, когда размер буфера большой, но все равно O(n) [*][code]np.roll(input,-start)[/code], O(n) и медленнее [*][code]np.concatenate([input[start:],input[:start]])[/code], O(n), медленнее, чем наивный способ, но быстрее, чем другие. [/list] поскольку исходный массив непрерывен, поэтому я также попробовал использовать трюк с шагами/формой, чтобы создать представление исходного массива, но ничего не получилось. Итак, я пришел сюда за помощью, или это должно быть O(n)?
Мобильная версия