Numpy fft.pack срещу FFTW срещу Внедрете DFT сами

В момента трябва да пусна FFT на сигнал от 1024 примерни точки. Досега съм внедрил свой собствен DFT алгоритъм в python, но е много бавен. Ако използвам NUMPY fftpack или дори премина към C++ и използвам FFTW, мислите ли, че би било по-добре?


python numpy fft fftw
person andy_ttse    schedule 26.02.2015    source източник
comment
да (Това твърдение в скоби е тук само за да има повече от 15 знака в този коментар.)   -  person Warren Weckesser    schedule 26.02.2015
comment
Да... Ще бъде по-лесно да се поддържа (защото не е ваша отговорност) и да се използва по-оптимизирана реализация (защото е трябвало много повече време да узрее). Стига да сте съгласни с изискването за допълнителна зависимост, тогава има много малка причина да изградите своя собствена :-)   -  person mgilson    schedule 26.02.2015
comment
но кой препоръчвате, numpy или fftw в python или fftw в c++.   -  person andy_ttse    schedule 26.02.2015
comment
Започнете с numpy, така че не се налага да прилагате нищо от нулата. Вижте дали отговаря на вашите нужди.   -  person Warren Weckesser    schedule 26.02.2015

Отговори (3)


arrow_upward
7
arrow_downward

Ако внедрявате DFFT изцяло в рамките на Python, вашият код ще работи порядък по-бавно от всеки споменат от вас пакет. Не само защото тези библиотеки са написани на езици от много по-ниско ниво, но също така (по-специално FFTW) те са написани толкова силно оптимизирани, като се възползват от местоположението на кеша, векторните единици и по същество всеки трик в книгата, че не би било изненада мен, ако работят с 10 000 пъти скоростта на наивна реализация на Python. Дори ако използвате numpy във вашата реализация, тя пак ще бледнее в сравнение.

Значи да; използвайте fftpack на numpy. Ако това не е достатъчно бързо, можете да опитате обвързванията на Python за FFTW (PyFFTW), но ускоряването от fftpack към fftw няма да е толкова драматично. Наистина се съмнявам, че има нужда да се спирам на C++ само за FFT - те са нещо като идеалния случай за свързване на Python.

person Gretchen    schedule 26.02.2015

arrow_upward
1
arrow_downward

Ако имате нужда от скорост, тогава искате да изберете FFTW, вижте pyfftw проект. За да използвате инструкциите на процесора SIMD, трябва да подравните данните и няма лесен начин да го направите в numpy. Освен това pyfftw ви позволява да използвате истинска многопоточност, така че повярвайте ми, ще бъде много по-бързо.

person bubla    schedule 26.02.2015
comment
Знаете ли колко приблизително pyfftw е по-бърз от fftpack? - person Trilarion; 31.08.2015

arrow_upward
0
arrow_downward

В случай, че искате да се придържате към Python (обработването и поддържането на персонализирани C++ свързвания може да отнеме много време), имате алтернативата да използвате Реализация на FFT на OpenCV.

Събрах пример за играчка, сравняващ функциите dft() на OpenCV и fft2 на numpy в python (Intel(R) Core(TM) i7-3930K CPU).

samplesFreq_cv2 = [
        cv2.dft(samples[iS])
        for iS in xrange(nbSamples)]

samplesFreq_np = [
        np.fft.fft2(samples[iS])
        for iS in xrange(nbSamples)]

Резултати за последователно трансформиране на 20 000 изображения с различни разделителни способности от 20x20 до 60x60:
fft2 на Numpy: 1,709100 секунди
dft на OpenCV: 0,621239 секунди

Това вероятно не е толкова бързо, колкото свързването към специализирана C++ библиотека като fftw, но е доста нисък плод.

person spaceapple    schedule 23.08.2016