Блог

Я пытаюсь решить большую систему ОД. Мой код работает, но проблема в том, что его запуск занимает слишком много времени. Кроме того, он потребляет много памяти. Итак, не могли бы вы дать рекомендации о том, как ускорить мой код и снизить потребление памяти?

Например, если вы запустите мой conde, используя n=6, код не будет работать (по крайней мере, на моем компьютере 8 ГБ оперативной памяти), потому что для него требуется слишком много памяти.

Кроме того, правильно ли я использую функцию генератора? Спасибо!

 # 1. Libraries
import numba
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import scipy as sci
from numba import jit
from scipy.integrate import odeint
from matplotlib.ticker import MaxNLocator
    
# 2. The model
@numba.jit
def dxidt(xi, t, ao, aj, d, n, m):
    dx = np.zeros(len(xi))
    past_index = np.repeat(np.arange(0, len(xi)), m)
    for i in np.arange(1, len(dx)):
        dx[i] = ao[i-1] * xi[past_index[i-1]] - (d   np.sum(aj[i])) * xi[i]#aj[i-1]
    return(dx)

    
# 3. Parameters
d = 1.
m = np.ones(1, dtype = int) * [2, 4, 8]
n = 5               # Tree levels: Begins at zero!!!!!!!!!!!!!!


s = np.concatenate([np.arange(0., 0.1, 0.001),
                    np.arange(0.1, 1., 0.01),
                    np.arange(1., 10., 0.1),
                    np.arange(10., 100., 1.),
                    np.arange(100., 1010., 10.)])

# 4. Integration conditions
tf = 10#
steps = 100
t = np.linspace(0, tf, steps)

# 5. ODE
## 5.1 ai constant

## 5.2 ai variable
sol2 = []

def ode_generator(d, m, n, s, t):
    for i in np.arange(0, len(m)):
        xi = np.ones(sum(m[i]**np.arange(0, n)))
        xi[1:] = 1.
        aj = np.ones(sum(m[i]**np.arange(0, n 1)) - m[i]**0)
        tau = np.ones(len(aj)) * np.random.uniform(low = 0., high = 1.,
                                                   size = len(aj))
        tau[0:m[i]] = 1. # Coefficients once!!!!!!!!!!!!!!
        print(m[i])
        for j in np.arange(0, len(s)):
            temp = []
            #       temp_test = []
            aj[m[i]:] = (1   s[j] * tau[m[i]:])
            ao = aj[0:sum(m[i]**np.arange(0, n)) - m[i]**0]
            ajt = aj.reshape(int(len(aj)/m[i]), m[i])
            init_cond = xi
            print("m =", m[i], "s =", s[j])
            temp = sci.integrate.odeint(dxidt, init_cond, t, args=(ao, ajt, d, n, m[i]))[-1]
            yield temp



## 6.2. Eq. Abundance vs m vs s (ai variable)
eqsol2 = []
for sol in ode_generator(d, m, n, s, t):
    eqsol2.append(sol)