如何限制 numpy 浮点计算精度答案

【问题标题】：How to limit numpy float computation precision如何限制 numpy 浮点计算精度
【发布时间】：2021-04-12 15:10:25
【问题描述】：

我正在使用 numpy 来计算相机图像，这将由无符号整数灰度值表示。我想限制浮点精度，以加快计算速度。举个例子，假设我正在计算由高斯光束的强度分布形成的图像：

import numpy as np
import matplotlib.pyplot as plt

nx = 1000
ny = 1000
px = 5e-3

x = np.linspace(0, nx * px)
y = np.linspace(0, ny * px)

X, Y = np.meshgrid(x, y)

xc = x[-1] / 2
yc = y[-1] / 2
sigma = 1

gauss_profile = np.exp(-(np.square(X - xc) + np.square(Y - yc)) / sigma**2)
print(gauss_profile.dtype)

bitdepth = 12
gauss_profile *= 2**bitdepth - 1
camera_image = gauss_profile.astype(np.uint16)

#%% plot image
fig = plt.figure()
ax = fig.add_subplot(111)
grey_cmap = plt.get_cmap('gray')
im = ax.imshow(camera_image,
               cmap=grey_cmap,
               extent=(0, nx * px,
                       0, ny * px))
plt.xlabel('x (mm)')
plt.ylabel('y (mm)')
plt.colorbar(im)

有没有办法让 gauss_profile 不使用 float64 精度计算，而是使用足以获得所需灰度值的最小分辨率？到目前为止，我之前尝试初始化数组并将其传递给 np.exp 调用中的 out 关键字，但这会导致 TypeError 或 ValueError 取决于 dtype。有没有其他方法可以加速这个计算？

【问题讨论】：

@AKX 这就是为什么它是一个评论，我不能保证它会为 OP 的目的工作。
我的笔记本电脑能够在 0.22 秒内计算出其中的 2000 个 camera_images。您是在一些非常受限的设备上运行它，还是参数变化很大..？
@AKX。过早的优化...
@Richard 在这种情况下，为 SO 简化您的用例可能不是正确的选择，那么 :-) 那么您究竟会如何处理 camera_image？你能在计算它的函数上加上一个lru_cache 装饰器吗？
@Richard 在你原来的问题中知道这一点会很有用，你知道的。 ;-) 无论哪种方式，如果您将这个“光圈图像”视为“画笔”（只需几个参数即可轻松缓存），然后您可以通过简单的+= 操作将其绘制到您的相机图像上呢？

标签： python numpy optimization

【解决方案1】：

也许尝试使用 dtype np.half 或 np.single 设置您的 ndarrays x 和 y。这将限制浮点精度。但我不知道计算是否仍在进行。

np.half：半精度浮点数类型。 (float16)

np.single：单精度浮点数类型，兼容C float.(float32)

x = np.linspace(0, nx * px, dtype=np.half)
y = np.linspace(0, ny * px, dtype=np.half)

...

【讨论】：