Оптимизация вложенного для l oop in Python - PullRequest
Новая
       43

Оптимизация вложенного для l oop in Python

0 голосов
/ 20 февраля 2020

У меня есть данные, которые хранятся в виде пар ключ-значение в базе данных leveldb . Значения: лазер векторное вложение предложений, а ключи - это намерения этих предложений. Когда вводится новое предложение, я сравниваю векторное вложение этого предложения со значениями в базе данных leveldb, чтобы определить намерение. Здесь я использовал , вложенный в l oop, и для его выполнения требуется более 5 секунд. Может кто-нибудь предложить способ оптимизации этого цикла цикла / кода?

expose.py 

import plyvel
from flask import Flask
from flask_restful import Api
from laserembeddings import Laser
from getters.getIntents import *
from getters.getEntities import *

app = Flask(__name__)
api = Api(app)

si_data_vec = plyvel.DB('levelDB/si_data_vec', create_if_missing=False)

path_to_bpe_codes = 'data/laser_models/93langs.fcodes'
path_to_bpe_vocab = 'data/laser_models/93langs.fvocab'
path_to_encoder = 'data/laser_models/bilstm.93langs.2018-12-26.pt'

laser = Laser(path_to_bpe_codes, path_to_bpe_vocab, path_to_encoder)


@app.route('/lang/si/<keylist>', methods=['GET'])
def get_si(keylist):

    intent = get_intents(keylist, si_data_vec, laser)

    return intent


# Initialize and start the web application
if __name__ == "__main__":
    app.run()

getIntents.py

Содержит l oop для быть оптимизирован 

import io
from itertools import combinations
import numpy as np


def get_intents(key_list, si_data_vec, laser):

    avg = laser.embed_sentences([key_list], lang='si')[0]

    minimum_dist = 1
    intent = ''

    ### LOOP TO BE OPTIMIZED
    for key, value in si_data_vec:
        bio = io.BytesIO(value)
        vec = np.load(bio)

        for pair in combinations([avg, vec], 2):
            dist = distance(list(pair[0]), list(pair[1]))
            if dist < minimum_dist:
                minimum_dist = dist
                intent = key.decode()
    return intent


def distance(list1, list2):
    """Distance between two vectors."""
    squares = [(p-q) ** 2 for p, q in zip(list1, list2)]
    return sum(squares) ** .5

Обновлен getIntents.py согласно комментарию 

import io
import numpy as np


def get_intents(key_list, si_data_vec, laser):

    avg = laser.embed_sentences([key_list], lang='si')[0]

    minimum_dist = 1
    intent = ''
    for key, value in si_data_vec:
        bio = io.BytesIO(value)
        vec = np.load(bio)

        dist = distance(avg, vec)

        if dist < minimum_dist:
            minimum_dist = dist
            intent = key.decode()

    return intent


def distance(list1, list2):
    """Distance between two vectors."""
    squares = [(p-q) ** 2 for p, q in zip(list1, list2)]
    return sum(squares) ** .5

1 Ответ

1 голос
/ 20 февраля 2020

Единственное, о чем я могу думать, это использовать numpy для расчета расстояния (так как вы уже импортируете numpy в любом случае); Я не уверен, если это даст вам много ускорения, хотя. 

avg = np.array(laser.embed_sentences([key_list], lang='si')[0]) 
for key, value in si_data_vec:
    bio = io.BytesIO(value)
    vec = np.load(bio)
    dist = np.linalg.norm(avg-vec)

См. Также Как рассчитать евклидово расстояние с помощью NumPy?

...