向 numpy 数组添加噪声的最快方法答案

【问题标题】：Fastest way to add noise to a numpy array向 numpy 数组添加噪声的最快方法
【发布时间】：2017-10-30 16:10:56
【问题描述】：

我有一个代表图像的 numpy.ndarray，我想给它添加随机噪声。我已经做了一些测试，到目前为止我最快的解决方案是：

def RandomNoise(x):
    x += np.random.random(x.shape)

但是当我有大图像/数组时，这个解决方案仍然太慢了。最快的方法是什么？

【问题讨论】：

如果x 是图像，那么我假设它都是整数（如RGB 输出）？ np.random.random 返回一个浮点数，因此您的开销可能会花在将所有内容转换为浮点数上。
不会比这更快了。您需要prod(x.shape) 很多随机数，而np.random.rand 是这里最快的。对于将一个数组添加到另一个数组，没有什么比+ 更好的了。让我补充一点，如果这是您的应用程序的瓶颈，我会感到惊讶。
感谢 cmets，但就我而言，我必须使用 float :-(

标签： python numpy numpy-random

【解决方案1】：

加快速度的最简单方法是避免分配您实际上不需要的随机数组。为避免这种情况，请使用 Numba：

import numba
import random

@numba.njit
def RandomNoise2(x):
    x = x.reshape(-1) # flat view
    for ii in range(len(x)):
        x[ii] += random.random()

对于像 400 万个元素这样的中等大小的数组，在第一次运行 JIT 编译代码后，这会稍微快一些。对于像 2000 万个值这样的较大数组，它的速度是原来的两倍，甚至更多。如果您的内存不足，则速度会大大提高，因为它可以避免交换。

【讨论】：

非常感谢您的回答。我不是 python 专家，所以我对 x = x.ravel() 这一行感到惊讶。你不修改x的形状吗？
我猜是因为我的数组有 3 个维度（一堆图像），所以我可能可以使用多线程加快处理速度。
我已经对一个数组 [27, 1600, 1600] 做了测试，所以大约有 6900 万个浮点数，处理时间从 2.7s 下降到 1.5s，几乎快了两倍。
@FiReTiTi：测试时，请确保多次运行该函数。由于 JIT 编译，第一次运行会比较慢。关于 ravel()，我意识到更好更清晰的方法是reshape(-1)，所以我将更新答案以使用它。它通常不会复制输入。
@FiReTiTi：无论如何它不会“修改 x” - 请注意我将变量 x 重新分配给 ravel/reshape 的结果。如果您希望更清楚，您可以在函数中使用不同的变量名称，例如 y 除了x.reshape(-1)。