Question

我试图实现我发现fast inverse square root的here的通用版本，这是我到目前为止所提出的：

import numpy as np

def get_K(exponent, B=127, L=2**23, sigma=0.0450465, f=np.float32):
    return f((1 - exponent) * L * (B - f(sigma)))

def get_result(exponent, B=127, L=2**23, sigma=0.0450465, f=np.float32):
    K = f(get_K(exponent, 127, 2**23, f(0.0450465)))
    return lambda num: (K + f(num*exponent))

if __name__ == '__main__':
    print((get_result(0.5)(2)).astype(np.int32))

但是当我运行上面的示例时，我得到了532487680，这与我在numpy.float32的{{1}}表示中得到的结果相同。

我做错了什么？换句话说，我如何使用numpy将数字从32位浮点数处理为32位整数，与使用numpy时的方式相同？

Answer 1

以下快速反平方根实现可以与numpy一起使用（改编自[1]），

def fast_inv_sqrt(x):
    x = x.astype('float32')
    x2 = x * 0.5;
    y = x.view(dtype='int32')
    y = 0x5f3759df - np.right_shift(y, 1)
    y = y.view(dtype='float32')
    y  = y * ( 1.5 - ( x2 * y * y ) )
    return y

现在因为numpy将分配一些临时数组，这不是很快，

 import numpy as np

 x = np.array(1,10000, dtype='float32')

 %timeit fast_inv_sqrt(x)
 # 10000 loops, best of 3: 36.2 µs per loop

 %timeit 1./np.sqrt(x)
 # 10000 loops, best of 3: 13.1 µs per loop

如果你需要速度，你应该在C中执行这个计算，并使用Cython，f2py等编写一个python接口。

咬了NumPy

1 个答案: