【发布时间】：2015-08-18 07:29:32
【问题描述】：
我正在尝试评估一些方法，但在性能方面遇到了绊脚石。
为什么我的 cython 代码这么慢？我的期望是代码的运行速度会快很多（对于只有 256 ** 2 个条目的 2d 循环来说可能是纳秒），而不是毫秒。
这是我的测试结果：
$ python setup.py build_ext --inplace; python test.py
running build_ext
counter: 0.00236220359802 sec
pycounter: 0.00323309898376 sec
percentage: 73.1 %
我的初始代码如下所示：
#!/usr/bin/env python
# encoding: utf-8
# filename: loop_testing.py
def generate_coords(dim, length):
"""Generates a list of coordinates from dimensions and size
provided.
Parameters:
dim -- dimension
length -- size of each dimension
Returns:
A list of coordinates based on dim and length
"""
values = []
if dim == 2:
for x in xrange(length):
for y in xrange(length):
values.append((x, y))
if dim == 3:
for x in xrange(length):
for y in xrange(length):
for z in xrange(length):
values.append((x, y, z))
return values
这可以满足我的需要，但速度很慢。对于给定的暗淡，长度 = (2, 256)，我在 iPython 上看到的时间约为 2.3 毫秒。
为了加快速度，我开发了一个 cython 等价物（我认为它是一个等价物）。
#!/usr/bin/env python
# encoding: utf-8
# filename: loop_testing.pyx
# cython: boundscheck=False
# cython: wraparound=False
cimport cython
from cython.parallel cimport prange
import numpy as np
cimport numpy as np
ctypedef int DTYPE
# 2D point updater
cpdef inline void _counter_2d(DTYPE[:, :] narr, int val) nogil:
cdef:
DTYPE count = 0
DTYPE index = 0
DTYPE x, y
for x in range(val):
for y in range(val):
narr[index][0] = x
narr[index][1] = y
index += 1
cpdef DTYPE[:, :] counter(dim=2, val=256):
narr = np.zeros((val**dim, dim), dtype=np.dtype('i4'))
_counter_2d(narr, val)
return narr
def pycounter(dim=2, val=256):
vals = []
for x in xrange(val):
for y in xrange(val):
vals.append((x, y))
return vals
以及调用时机：
#!/usr/bin/env python
# filename: test.py
"""
Usage:
test.py [options]
test.py [options] <val>
test.py [options] <dim> <val>
Options:
-h --help This Message
-n Number of loops [default: 10]
"""
if __name__ == "__main__":
from docopt import docopt
from timeit import Timer
args = docopt(__doc__)
dim = args.get("<dim>") or 2
val = args.get("<val>") or 256
n = args.get("-n") or 10
dim = int(dim)
val = int(val)
n = int(n)
tests = ['counter', 'pycounter']
timing = {}
for test in tests:
code = "{}(dim=dim, val=val)".format(test)
variables = "dim, val = ({}, {})".format(dim, val)
setup = "from loop_testing import {}; {}".format(test, variables)
t = Timer(code, setup=setup)
timing[test] = t.timeit(n) / n
for test, val in timing.iteritems():
print "{:>20}: {} sec".format(test, val)
print "{:>20}: {:>.3} %".format("percentage", timing['counter'] / timing['pycounter'] * 100)
作为参考，用于构建 cython 代码的 setup.py：
from distutils.core import setup
from Cython.Build import cythonize
import numpy
include_path = [numpy.get_include()]
setup(
name="looping",
ext_modules=cythonize('loop_testing.pyx'), # accepts a glob pattern
include_dirs=include_path,
)
编辑： 工作版本链接：https://github.com/brianbruggeman/cython_experimentation
【问题讨论】：
-
你的 cython 代码很不错。除了
narr[index][0] = x实际上并没有执行分配（并且会减慢 C python API 调用），请改用narr[index,0] = x（对于纯 numpy 也是如此）。另外，尝试在您的setup.py中设置extra_compile_args=['-O3', '-march=native']和extra_link_args=['-O3', '-march=native']，这样可以加快速度。 -
谢谢！我会试试这个。
-
@rth
narr[index, 0]绝对解决了这个问题。我现在的速度大约是 100 倍。我没有看到额外的编译/链接选项有太大变化。但是，我不介意在这一点上留下这些。万分感谢！要添加答案吗？
标签： performance loops numpy cython