基于NumPy的高效独立元素数组填充：10000阶高斯核矩阵计算优化

你当前的双重for循环在n=10000的场景下会产生1亿次Python级循环调用，耗时极高是必然的，我们可以利用高斯核的代数展开特性结合NumPy的广播、矩阵运算实现完全向量化的计算，完全消除Python层循环，性能会提升几个数量级。

核心原理 #

高斯核的距离项可以展开为如下形式，避免逐对计算向量差的点积：
||x_i - x_j||² = ||x_i||² + ||x_j||² - 2 * x_i · x_j
基于这个公式我们可以批量计算所有元素对的距离平方。

实现代码 #

import numpy as np

def compute_gaussian_kernel(x, sigma):
    # 计算每个样本的L2范数平方，输出形状为 (n,)
    x_norm = np.sum(x**2, axis=1)
    # 利用广播计算所有样本对的距离平方，输出形状为(n,n)
    dist_sq = x_norm[:, None] + x_norm[None, :] - 2 * np.dot(x, x.T)
    # 生成高斯核矩阵，保持和原代码一致的float32精度
    K = np.exp(-dist_sq / (2 * sigma**2)).astype(np.float32)
    return K

# 调用示例
sigma = 1.0 # 替换为你预先设置的sigma值
K = compute_gaussian_kernel(x, sigma)

性能说明 #

• 上述实现所有运算均为NumPy底层C级实现，无任何Python层循环，对于10000×8的输入，通常在普通消费级CPU上几秒内即可完成计算，相比原双重循环实现性能提升至少上千倍。
• 内存方面：10000×10000的float32矩阵占用约400MB内存，属于常规可接受范围。

可选优化点 #

如果你的设备支持CUDA，也可以改用CuPy替换NumPy，代码几乎不需要修改，可进一步利用GPU加速，计算速度会更快。

内容的提问来源于stack exchange，提问作者TheSeparatrix