Как сократить время интеграции для интеграции в 2D подключенные домены - PullRequest
Новая
       85

Как сократить время интеграции для интеграции в 2D подключенные домены

2 голосов
/ 09 марта 2020

Мне нужно вычислить много 2D интеграций по доменам, которые просто связаны (и выпуклые большую часть времени). Я использую python функцию scipy.integrate.nquad, чтобы сделать эту интеграцию. Однако время, необходимое для этой операции, значительно больше по сравнению с интеграцией по прямоугольному домену angular. Возможна ли более быстрая реализация?

Вот пример; Я интегрирую постоянную функцию сначала по круговой области (используя ограничение внутри функции), а затем по прямоугольной области angular (область по умолчанию для функции nquad). 

from scipy import integrate
import time

def circular(x,y,a):
  if x**2 + y**2 < a**2/4:
    return 1 
  else:
    return 0

def rectangular(x,y,a):
  return 1

a = 4
start = time.time()
result = integrate.nquad(circular, [[-a/2, a/2],[-a/2, a/2]], args=(a,))
now = time.time()
print(now-start)

start = time.time()
result = integrate.nquad(rectangular, [[-a/2, a/2],[-a/2, a/2]], args=(a,))
now = time.time()
print(now-start)

Прямоугольная область angular домен занимает всего 0.00029 секунд, а циклический домен требует 2.07061 секунд для завершения.

Также при круговом интегрировании выдается следующее предупреждение: 

IntegrationWarning: The maximum number of subdivisions (50) has been achieved.
If increasing the limit yields no improvement it is advised to analyze 
the integrand in order to determine the difficulties.  If the position of a 
local difficulty can be determined (singularity, discontinuity) one will 
probably gain from splitting up the interval and calling the integrator 
on the subranges.  Perhaps a special-purpose integrator should be used.
**opt)

1 Ответ

5 голосов
/ 10 марта 2020

Одним из способов ускорить вычисление является использование numba, компилятора для своевременного выполнения Python.

Декоратор @jit

Numba предоставляет @jit декоратор для компиляции некоторого Python кода и вывода оптимизированного машинного кода, который может выполняться параллельно на нескольких ЦПУ. Соединение с функцией интегрирования занимает мало усилий и позволит сэкономить немного времени, поскольку код оптимизирован для ускорения работы. С типами даже не нужно беспокоиться, Numba делает все это под капотом. 

from scipy import integrate
from numba import jit

@jit
def circular_jit(x, y, a):
    if x**2 + y**2 < a**2 / 4:
        return 1 
    else:
        return 0

a = 4
result = integrate.nquad(circular_jit, [[-a/2, a/2],[-a/2, a/2]], args=(a,))

Это действительно работает быстрее, и при синхронизации на моей машине я получаю: 

 Original circular function: 1.599048376083374
 Jitted circular function: 0.8280022144317627

Это на 50% сокращает время вычислений.

Scipy's LowLevelCallable

Вызовы функций в Python довольно трудоемки из-за особенностей языка. Затраты иногда могут сделать код Python медленным по сравнению со скомпилированными языками, такими как C.

Чтобы смягчить это, Scipy предоставляет класс LowLevelCallable, который можно использовать для обеспечить доступ к скомпилированной функции обратного вызова низкого уровня. Благодаря этому механизму издержки вызова функции Python обходятся, и можно добиться дополнительной экономии времени.

Обратите внимание, что в случае nquad подпись cfunc передается LowerLevelCallable. должен быть одним из: 

double func(int n, double *xx)
double func(int n, double *xx, void *user_data)

, где int - количество аргументов, а значения аргументов находятся во втором аргументе. user_data используется для обратных вызовов, для работы которых требуется контекст.

Поэтому мы можем немного изменить сигнатуру циклической функции в Python, чтобы сделать ее совместимой. 

from scipy import integrate, LowLevelCallable
from numba import cfunc
from numba.types import intc, CPointer, float64


@cfunc(float64(intc, CPointer(float64)))
def circular_cfunc(n, args):
    x, y, a = (args[0], args[1], args[2]) # Cannot do `(args[i] for i in range(n))` as `yield` is not supported
    if x**2 + y**2 < a**2/4:
        return 1 
    else:
        return 0

circular_LLC = LowLevelCallable(circular_cfunc.ctypes)

a = 4
result = integrate.nquad(circular_LLC, [[-a/2, a/2],[-a/2, a/2]], args=(a,))

С помощью этого метода I get 

LowLevelCallable circular function: 0.07962369918823242

Это уменьшение на 95% по сравнению с оригиналом и на 90% по сравнению с сопряженной версией функции.

Декоратор на заказ

В порядке чтобы сделать код более аккуратным и сохранить гибкость сигнатуры подынтегральной функции, можно создать специальную функцию декоратора. Он объединит функцию подынтегрального оператора и обернет его в LowLevelCallable объект, который затем можно будет использовать с nquad. 

from scipy import integrate, LowLevelCallable
from numba import cfunc, jit
from numba.types import intc, CPointer, float64

def jit_integrand_function(integrand_function):
    jitted_function = jit(integrand_function, nopython=True)

    @cfunc(float64(intc, CPointer(float64)))
    def wrapped(n, xx):
        return jitted_function(xx[0], xx[1], xx[2])
    return LowLevelCallable(wrapped.ctypes)


@jit_integrand_function
def circular(x, y, a):
    if x**2 + y**2 < a**2 / 4:
        return 1
    else:
        return 0

a = 4
result = integrate.nquad(circular, [[-a/2, a/2],[-a/2, a/2]], args=(a,))

Произвольное количество аргументов

Если число аргументов равно неизвестно, тогда мы можем использовать удобную carray функцию , предоставленную Numba для преобразования CPointer(float64) в Numpy массив. 

import numpy as np
from scipy import integrate, LowLevelCallable
from numba import cfunc, carray, jit
from numba.types import intc, CPointer, float64

def jit_integrand_function(integrand_function):
    jitted_function = jit(integrand_function, nopython=True)

    @cfunc(float64(intc, CPointer(float64)))
    def wrapped(n, xx):
        ar = carray(xx, n)
        return jitted_function(ar[0], ar[1], ar[2:])
    return LowLevelCallable(wrapped.ctypes)


@jit_integrand_function
def circular(x, y, a):
    if x**2 + y**2 < a[-1]**2 / 4:
        return 1
    else:
        return 0

ar = np.array([1, 2, 3, 4])
a = ar[-1]
result = integrate.nquad(circular, [[-a/2, a/2],[-a/2, a/2]], args=ar)
...