主页 / 问题 / 1390360
Accepted
Вадим Ермаков
Asked:2022-08-15 18:08:32 +0000 UTC2022-08-15 18:08:32 +0000 UTC

帮助优化一段代码

  • 772

我的任务是从 8 个谐波中形成一个音频信号（曲折），每个谐波可能有也可能没有相移（以 pi 为单位）。

#data - массив с байтами, в формате ['01010101', '11110000']
ADS = len(data) * SPP #Вычисляю размер массива под сигнал
signal = []
for i in range(ADS):
    signal.append(0)
# Формируем по одному периоду сигнала на каждый байт
for b in range(len(data)):
    d = 0
    for N in range(1, 17, 2):
        for i in range(SPP):
            index = i + (b * SPP)
            signal[index] += harm(N, FREQ, i, SPS, int(data[b][d]))
            #s.next()
        d += 1


# Функция для вычисления отдельной гармоники
def harm(N, freq, cs, sps, ph):
    arg = freq*N*2*np.pi*(cs/sps)
    if ph:
        arg += np.pi
    return AMPLITUDE*(4/np.pi)*np.sin(arg)/N

我想知道我是否可以以某种方式优化这部分代码。我考虑过使用map，但没有弄清楚如何替换i（当前样本的数量）。提前致谢！

python

2 个回答

  1. Best Answer

    我会尝试重写代码，根据讨论的结果进行一些优化。虽然最好的办法是在 中编写代码的“矢量”版本Numpy，但必须考虑这一点。我会尽量优化一些小东西，好吧，写一个简单一点的代码。变化的本质是什么：

    • 缓存函数调用harm
    • 将列表的长初始化更改append为快速
    • data[b]我们从内部循环中取出接收，现在这个item
    • int()相反，函数最后一个参数的计算harm是在缓存函数内部传输的
    • 我们使用 enumerate 枚举集合的元素及其索引 - 这更方便
    from functools import lru_cache

# Функция для вычисления отдельной гармоники
@lru_cache(maxsize=SPP*16)
def harm(N, freq, cs, sps, ph):
    arg = freq*N*2*np.pi*(cs/sps)
    if int(ph): # <-- перенёс преобразование в int сюда
        arg += np.pi
    return AMPLITUDE*(4/np.pi)*np.sin(arg)/N

#data - массив с байтами, в формате ['01010101', '11110000']
ADS = len(data) * SPP #Вычисляю размер массива под сигнал
signal = [0] * ADS # <-- Такая инициализация списка должна быть сильно быстрее
# Формируем по одному периоду сигнала на каждый байт
for b, item in enumerate(data):
    for d, N in enumerate(range(1, 17, 2)):
        for i in range(SPP):
            index = i + (b * SPP)
            signal[index] += harm(N, FREQ, i, SPS, item[d]) # <-- изменён последний аргумент!

    您还可以尝试进行哪些进一步优化：

    • 用来自的函数替换来自Numpy的np.函数math，因为对于标量，它很可能Numpy会更慢；Numpy仅对数组/向量/矩阵快速。
    • 元素的枚举item也从内部循环中取出更高，但这些已经是小事了，可能
    • 最后，int(ph)您可以改为制作字典，它也会更快：
    str2int = {
    '0': 0,
    '1': 1
}

if str2int[ph]:
    ...
    • 2

  2. 该值signal[index]可以计算为表函数：

    def harm(N, cs, ph):
    arg = FREQ*N*2*np.pi*(cs/SPS)
    if ph:
        arg += np.pi
    return AMPLITUDE*(4/np.pi)*np.sin(arg)/N

@functools.cache
def harm_sum(i, byte): 
    return sum(
        harm(N, i, int(bit))
        for bit, N in zip(byte, range(1, 17, 2))
    )

for j, byte in enumerate(data):
    for i in range(SPP):
        index = i + (j * SPP)
        signal[index] = harm_sum(i, byte)

    为参数的变体harm_sum调用该函数。SPP * 256如果我们接受，SPP = 60那么我们会得到一个15360值表。内部harm_sum没有优化。

    对常数进行了测试

    SPP = 60
FREQ = 300
SPS = 48000
AMPLITUDE = 2.5

    营业时间：

                       время работы
число байт   оригинальный   harm_sum
                 код
        10      0.010         0.012
       100      0.152         0.098
     1 000      0.930         0.263
    10 000      9.283         0.401
   100 000     95.210         1.691
 1 000 000      -            15.252
10 000 000      -           141.268

    如果你想进一步加快代码速度，你应该放弃字符串形式的字节，将值保存在一个由字节值寻址harm_sum的矩形表中。SPP*256

    PS奇怪的是函数退化成表格了。也许我犯了一个错误，尽管测试表明新旧代码被认为是相同的。

    • 2

相关问题