以下是我的Cython代码,用于从多元正态分布中抽取样本。我使用循环,因为每次密度都不同。(conLSigma是Cholesky分解的结果)
由于每次循环都要进行逆矩阵和Cholesky分解,所以这需要很长时间。虽然比纯Python代码快,但我想知道是否有更好的方法来提高速度。
由于每次循环都要进行逆矩阵和Cholesky分解,所以这需要很长时间。虽然比纯Python代码快,但我想知道是否有更好的方法来提高速度。
from __future__ import division
import numpy as np
cimport numpy as np
ctypedef np.float64_t dtype_t
cimport cython
@cython.boundscheck(False)
@cython.wraparound(False)
def drawMetro(np.ndarray[dtype_t, ndim = 2] beta,
np.ndarray[dtype_t, ndim = 3] H,
np.ndarray[dtype_t, ndim = 2] Sigma,
float s):
cdef int ncons = betas.shape[0]
cdef int nX = betas.shape[1]
cdef int con
cdef np.ndarray betas_cand = np.zeros([ncons, nX], dtype = np.float64)
cdef np.ndarray conLSigma = np.zeros([nX, nX], dtype = np.float64)
for con in xrange(ncons):
conLSigma = np.linalg.cholesky(np.linalg.inv(H[con] + Sigma))
betas_cand[con] = betas[con] + s * np.dot(conLSigma, np.random.standard_normal(size = nX))
return(betas_cand)