python - 有没有比for循环更快的方法来标记python中的matrix(3D array)？

我用Python编写了标记矩阵（3D数组）的代码。
代码的概念是


检查3D阵列中的2 x 2 x 2矩阵（无论我要多大）
如果矩阵具有1、2和3作为元素，则矩阵中的所有元素都将更改为矩阵中的“最大唯一数+ 1”。

import numpy as np

def label_A(input_field):
labeling_A = np.copy(input_field)
labeling_test = np.zeros((input_field.shape))
for i in range(0,input_field.shape[0]-1):
    for j in range(0,input_field.shape[1]-1):
        for k in range(0,input_field.shape[2]-1):
            test_unit = input_field[i:i+2,j:j+2,k:k+2]
            if set(np.unique(test_unit).astype(int)) >= set((1,2,3)):
                labeling_test[i:i+2,j:j+2,k:k+2] = np.max(input_field)+1
                labeling_A[labeling_test == np.max(input_field)+1] = np.max(input_field)+1
    return labeling_A

这是3D矩阵中的简单示例代码。

example = np.random.randint(0, 10, size=(10, 10, 10))
label_example = label_A(example)
label_example

在我看来，代码本身没有问题，并且可以正常工作。但是，我很好奇这是否有更快的方法来执行相同的功能？

最佳答案

此实现返回建议的结果并在1.8秒内处理大小为（140,140,​​140）的张量。

import numpy as np
from scipy.signal import convolve

def strange_convolve(mat, f_shape, _value_set, replace_value):
    _filter =np.ones(tuple(s*2-1 for s in f_shape))
    replace_mat = np.ones(mat.shape)
    for value in _value_set:
        value_counts = convolve((mat==value),_filter,mode='same')
        replace_mat*=(value_counts>0)
    mat[replace_mat==1]=replace_value
    return mat
example = np.random.randint(0, 8, size=(10, 10, 10))
print('same_output validation is '+str((strange_convolve(example,(2,2,2),(1,2,3),4) == label_A(example)).min()))

import time
example = np.random.randint(0, 10, size=(140, 140, 140))
timer = time.time()
strange_convolve(example,(2,2,2),(1,2,3),4)
print(time.time()-timer)

1.8871610164642334