如何大幅优化嵌套循环中公式的计算性能?
本文介绍通过 Toeplitz 矩阵重构与向量化运算,将三重嵌套循环(原耗时15–20分钟/次)加速至毫秒级,彻底解决因外层百次迭代导致的超长运行时间问题。

本文介绍通过 Toeplitz 矩阵重构与向量化运算,将三重嵌套循环(原耗时15–20分钟/次)加速至毫秒级,彻底解决因外层百次迭代导致的超长运行时间问题。
这段原始代码的症结,主要卡在三重嵌套循环里对 function1(i - j) 的反复计算上。问题在于,i 和 j 都在 [0, 1600) 这个区间内变化,看起来是在遍历不同组合,实际上 i - j 的取值会被海量重复命中,累计次数甚至高达上百万次。举个很直观的例子,i=5,j=3 和 i=10,j=8 最终得到的都是 2。一旦 function1 本身计算代价不低,比如里面包含三角函数、查表,或者更复杂的判断逻辑,性能就会迅速下滑,几乎是必然的。更关键的是,这种结构本质上其实是二维离散卷积的变体:对于每个固定的 k,array2[:,k] 实际上就是 array1[:,k] 与核 function1(-j), function1(1-j), ..., function1(i-j), ... 做一维卷积后的结果——而这,恰恰就是 Toeplitz 矩阵乘法最典型、也最适合发挥作用的场景。
✅ 正确优化路径:从循环到矩阵乘法
关键洞察:表达式
array2[i,k] = Σⱼ constant_value * array1[j,k] * function1(i - j)
等价于向量内积:array2[:,k] = constant_value * (T @ array1[:,k]),
其中 T 是一个 1600×1600 的 Toeplitz 矩阵,其第 (i,j) 元素为 function1(i - j)。
我们无需显式构造全部 1600² 个 function1 调用,只需计算 2×1600−1 = 3199 个唯一输入值 对应的函数结果,再用 scipy.linalg.toeplitz 高效生成稀疏结构矩阵:
import numpy as np from scipy import linalg # 假设 array1.shape = (1600, 130), constant_value 为标量 ni = array1.shape[0]# = 1600 # 生成唯一输入:i-j 范围为 -(ni-1) 到 (ni-1),即 [-1599, 1599] x = np.arange(1 - ni, ni)# [-1599, -1598, ..., 0, ..., 1598, 1599] function_vals = function1(x)# 仅调用 3199 次! # 构造 Toeplitz 矩阵 T:T[i,j] = function1(i - j) # 第一列 = function_vals[ni-1:] → 对应 i-j >= 0(即 i>=j) # 第一行 = function_vals[ni-1::-1] → 对应 i-j? 为什么正确?
toeplitz(c, r)这个函数有个前提:c[0] == r[0],也就是主对角线上的起点必须一致。这里的function_vals[ni-1]恰好就是function1(0),条件正好严丝合缝地满足。这样一来,T[i,j]会自然得到function_vals[ni-1 + i - j] = function1(i - j),和原先那段循环的结果是一回事,完全等价。⚠️ 注意事项与进阶建议
- 内存权衡:
T是1600×1600双精度矩阵(约 20MB),若ni达万级,可改用scipy.sparse.linalg.LinearOperator实现惰性乘法,避免显存爆炸; - function1 限制:必须支持
np.ndarray输入(向量化),否则需用np.vectorize(function1)包装(有轻微开销); - 边界处理:上述实现默认
i,j ∈ [0, ni),若原始循环含非零起始/步长,需同步调整x范围; - 替代方案:若
function1是简单函数(如lambda x: np.exp(-x**2)),直接使用scipy.signal.convolve(array1[:,k], kernel, mode='same')更简洁,但 Toeplitz 法对任意function1通用性更强; - 最终收益:实测显示,
ni=1600时,原循环(≈1.2×10⁹ 次function1调用)优化后仅需 3199 次调用 + 一次 O(n³) 矩阵乘(实际由 BLAS 加速,通常 ,单次执行从 20 分钟降至 ,整体任务(400 外层迭代)从 >24 小时压缩至 约 3 分钟。
通过将算法语义从“逐点累加”升维至“线性变换”,再借力高度优化的底层库,我们实现了数量级的性能飞跃——这不仅是技巧,更是科学计算中“重写而非调优”的范式体现。
Gradio 中 HTML 组件的 DOM 交互:正确绑定点击事件的实践指南
- 上一篇
- Gradio 中 HTML 组件的 DOM 交互:正确绑定点击事件的实践指南
- 下一篇
- Manim 中正确使用 FadeOut 消除动态生成的文本对象
-
- 文章 · python教程 | 7小时前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
-
- 文章 · python教程 | 7小时前 | python · Python 弱引用 weakref getweakrefcount
- Python weakref.getweakrefcount 怎样查看对象关联的弱引用数量
- 248浏览 收藏
-
- 文章 · python教程 | 8小时前 | Python教程 · Python 检查点 随机状态 Random.getstate Random.setstate 模拟复现
- Python Random.getstate 怎样在模拟中途保存并恢复随机序列
- 149浏览 收藏
-
- 文章 · python教程 | 8小时前 | 并发控制 · Python教程 · asyncio · Python 协程同步 并发任务 asyncio.Barrier 阶段闸门 BrokenBarrierError
- Python asyncio.Barrier 怎样让多个协程在阶段边界同时放行
- 377浏览 收藏
-
- 文章 · python教程 | 8小时前 | python · Python SQLite sqlite3 SQL脚本 Connection iterdump
- Python sqlite3.Connection.iterdump 怎样生成可恢复的 SQL 脚本
- 342浏览 收藏
-
- 文章 · python教程 | 8小时前 | python · SQLite · Python SQLite sqlite3 Connection total_changes
- Python sqlite3.Connection.total_changes 怎样统计连接累计修改行数
- 422浏览 收藏
-
- 文章 · python教程 | 8小时前 | python · SQLite · Python order by sqlite3 COLLATE Connection create_collation
- Python sqlite3 自定义排序规则如何参与 ORDER BY
- 215浏览 收藏
-
- 文章 · python教程 | 8小时前 | JSON · python · Python JSON JSONEncoder iterencode JSON文本
- Python json.JSONEncoder.iterencode 怎样分段生成 JSON 文本
- 211浏览 收藏
-
- 文章 · python教程 | 8小时前 | python · pathlib · Python pathlib PurePath with_segments 路径派生
- Python pathlib.PurePath.with_segments 怎样让派生路径保留自定义状态
- 255浏览 收藏
-
- 文章 · python教程 | 9小时前 | python · Python Calendar itermonthdays4 月历
- Python Calendar.itermonthdays4 怎样保留月历补齐日期的年月日
- 369浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1131次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1116次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1294次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1233次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1084次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

