다음 코드를 더 빠르게 만들 수 있습니까?

Question

제공된 코드는 완벽하게 작동하지만 가능한 한 더욱 효율적으로 만들고 싶습니다.

제 질문은 배열 np_b을 더 효율적으로 생성 할 수 있는지 여부입니다. 특히, theano_f(*np_a)을 통해 np_a의 모든 요소에 대해 theano_f 함수를 계산하여 방송 (?) 또는 벡터화 (?)가 적용될 수 있습니까?

실제 문제를 단순화했으며 theano_f을 생성해야하고 sympy 함수에서 theano_function을 사용하고 실제 배열 np_a에는 수많은 요소가 들어 있습니다.

from sympy import symbols 
from sympy.printing.theanocode import theano_function 
import numpy as np 

x,y,z = symbols('x y z') 
sympy_f = x+y+z # a sympy-function which depends on 3 variables 
theano_f = theano_function([x,y,z], [sympy_f]) # Theano-compiled function which depends on 3 scalars 
np_a = np.array([[1,1,1],[2,2,2],[-1,-2,0],[0,2,0]]) 
np_b = np.array([theano_f(*x) for x in np_a]) # The obtained four numbers 
#should be recorded into the numpy-array np_b 
print(np_b) 

Answer 1

어쩌면 np.apply_along_axis 시도 : https://docs.scipy.org/ :

이

>>> def my_func(a): 
...  """Average first and last element of a 1-D array""" 
...  return (a[0] + a[-1]) * 0.5 
>>> b = np.array([[1,2,3], [4,5,6], [7,8,9]]) 
>>> np.apply_along_axis(my_func, 0, b) 
array([ 4., 5., 6.]) 
>>> np.apply_along_axis(my_func, 1, b) 
array([ 2., 5., 8.])