मुझे आमतौर पर FFT and multiplication
बोलने के बारे में पता है, आमतौर पर convolve
ऑपरेशन से तेज़ होता है, जब सरणी अपेक्षाकृत बड़ी होती है। हालांकि, मैं बहुत कम प्रतिक्रिया के साथ एक बहुत लंबा सिग्नल (10 मिलियन अंक कहता हूं) को संकुचित कर रहा हूं (1 हजार अंक कहें)। इस मामले में fftconvolve
अधिक समझ में नहीं आता है, क्योंकि यह दूसरी सरणी के एक एफएफटी को पहले सरणी के समान आकार में मजबूर करता है। क्या इस मामले में सीधे विश्वास करने के लिए तेज़ी से तेज है?पाइथन SciPy convolve बनाम fftconvolve
उत्तर
ओवरलैप-एड या ओवरलैप एल्गोरिदम के माध्यम से एफएफटी फास्ट कन्वोल्यूशन एक एफएफटी का उपयोग करके सीमित मेमोरी में किया जा सकता है जो आवेग प्रतिक्रिया से केवल एक छोटा सा (जैसे 2 एक्स) बड़ा होता है। यह लंबे एफएफटी को ठीक से ओवरलैप्ड छोटे लेकिन शून्य-गद्देदार एफएफटी में तोड़ देता है।
भी ओवरलैप भूमि के ऊपर, हे (NlogN) बड़ा पर्याप्त एन और एम
आपके उत्तर के लिए धन्यवाद! क्या आपका मतलब 'fftconvolve' फ़ंक्शन के साथ भी है, यह स्वचालित रूप से छोटे एफएफटी में लंबे एफएफटी को तोड़ देगा और मुझे इसके बारे में चिंता करने की आवश्यकता नहीं है? – LWZ
@LWZ: scipy's fftconvolve ऐसा नहीं करता है, नहीं। हॉटपॉ, क्या आपके पास उस विधि के लिए संदर्भ/कार्यान्वयन है? – endolith
के लिए दक्षता में हरा एम * एन जाएगा तुलना मैं यहाँ किया था पर एक नजर डालें साथ:
http://scipy-cookbook.readthedocs.io/items/ApplyFIRFilter.html
आपका मामला एक सादे रूपांतरण का उपयोग करने और एफएफटी-आधारित संकल्प का उपयोग करने के बीच संक्रमण के निकट हो सकता है, इसलिए आपकी सबसे अच्छी शर्त (जैसा कि टिप्पणी में @ डौगल द्वारा सुझाया गया है) समय है।
(ध्यान दें कि मैं नहीं किया ओवरलैप जोड़ दें या कि तुलना में ओवरलैप-बचाने के।)
यह लिंक आपके जैसा मतलब इंगित नहीं करता है (भले ही मैं इसे पृष्ठ में भी ढूंढ सकूं) – luca
@luca धन्यवाद। वह पृष्ठ मूल रूप से पुराने scipy विकी पर था, जो अब चला गया है। मैंने लिंक अपडेट किया है। –
आपकी मदद के लिए धन्यवाद। अब मैं अपने आप को परीक्षण किया था, मैं 2 सरणियों, 2^20 और 2^4 के आकार के साथ घुमाव किया था, और यह परिणाम है:
numpy.convolve: 110 ms
scipy.signal.convolve: 1.0 s
scipy.signal.fftconvolve: 2.5 s
तो हम है एक विजेता, numpy convolve है बहुत तेजी से है दूसरे। मैं अभी भी क्यों नहीं जानता कि क्यों।
अब मैंने 2 लंबे सरणी, 2^22 और 2^10 के आकार की कोशिश की। नतीजा यह है:
numpy.convolve: 6.7 s
scipy.signal.convolve: 221 s
scipy.signal.fftconvolve: MemoryError
अंतर केवल बड़ा हो जाता है।
क्या कोई कारण नहीं है कि आप केवल समय-समय पर दोनों समय तक नहीं पहुंच सकते हैं, उदाहरण के लिए 'टाइमिट' के साथ? – Dougal
मुझे यह फ़ंक्शन नहीं पता था। मै कोशिश करुॅगा। हालांकि मैं अंतर्निहित सिद्धांत भी जानना चाहता हूं। – LWZ