如何对形状为(543,133,3)的3D张量快速执行Savgol滤波？

你的核心问题是嵌套循环带来的额外开销，scipy.signal.savgol_filter本身支持多维数组的批量处理，完全不需要逐点逐维度手动循环。

优化后的代码 #

import numpy as np
from scipy.signal import savgol_filter

# 假设输入张量为tensor，形状(543, 133, 3)
# 直接指定沿帧维度（axis=1）执行滤波，一次性处理所有点和坐标维度
filtered_tensor = savgol_filter(tensor, window_length=3, polyorder=1, axis=1)

原理说明 #

• 原代码的嵌套循环会反复调用savgol_filter，每次仅处理一个长度为133的一维数组，浪费了函数调用和内存拷贝的开销。
• 优化后的代码利用savgol_filter的axis参数，指定沿着**帧维度（axis=1）**做滤波计算，内部会通过向量化操作批量处理所有点（axis=0）和所有坐标维度（axis=2），直接输出与输入形状一致的张量，彻底消除循环带来的性能损耗。

额外加速建议 #

如果想进一步提升速度，可以尝试：

• 确保numpy和scipy是基于MKL/OpenBLAS等优化线性代数库编译的，充分利用CPU多核算力。
• 若精度允许，将张量转换为float32类型（默认是float64），减少计算量和内存占用。

内容的提问来源于stack exchange，提问作者Amit