Somma dei quadrati - np.inner vs squadratura, poi sommando

Question

mi ha sorpreso che chiama np.inner per calcolare la somma dei quadrati era di circa 5 volte più veloce di chiamare np.sum su un array di pre-calcolate di quadrati:

Qualche informazione su questo comportamento? In realtà sono interessato a un'implementazione molto veloce di una somma di quadrati, quindi anche quei pensieri sono ben accetti.

Answer 1

per sapere in quali Moduli np.inner e np.sum sono implementate digito

>>> np.inner.__module__ 
'numpy.core.multiarray' 
>>> np.sum.__module__ 
'numpy.core.fromnumeric' 
>>> np.__file__ 
'/Users/uweschmitt/venv_so/lib/python3.5/site-packages/numpy/__init__.py' 

Se si controlla i file effettivi, si può vedere che numpy.core.multiarray è un modulo puro C mentre numpy.core.fromnumeric primo fa alcuni controlli e le conversioni in Python prima di una seconda funzione Python e poi viene chiamata una pura implementazione C per la sommatoria effettiva.

Ho il sospetto che questo sovraccarico dell'interprete Python spieghi le differenze temporali osservate.

per dimostrare la mia ipotesi corro la sincronizzazione con un array più grande e ottenere

In [8]: a = np.random.random(1000000) 
In [9]: %timeit np.inner(a, a) 
1000 loops, best of 3: 673 µs per loop 
In [10]: %timeit np.sum(a) 
1000 loops, best of 3: 584 µs per loop 

Ora gestiscono i tempi sono abbastanza simili e cambiare un po 'se si ripete il bilancio, a volte np.sum vittorie, somtimes np.inner.

Per il grande array, il lavoro effettivo di np.sum viene eseguito in C e l'overhead a tempo costante dall'interprete Python è trascurabile.