Cython：为什么size_t比int快？

Question

从类型更改某些变量用Cython int输入size_t可以显著减少一些功能倍（〜30％），但我不明白为什么。

例如：

cimport numpy as cnp
import numpy as np

def sum_int(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef int k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

def sum_size_t(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef size_t k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

a = np.array(range(1000000))

时间结果如下：

In [17]: %timeit sum_int(a)   
1000 loops, best of 3: 652 µs per loop

In [18]: %timeit sum_size_t(a)
1000 loops, best of 3: 427 µs per loop

我是Cython的新手，比C.更了解Fortran。帮帮我。 这两种变量类型之间的重要区别是什么导致了这种性能差异？ 什么是我不喜欢Cython？

Answer 1

您可能不得不进行逐行分析以找出确切的结果，但有一件事从我生成的C文件中脱颖而出：检查int版本是否为环绕负数， size_t假定为ok。

在int循环中：（ t_3从k分配，它们是相同的类型）

if (__pyx_t_3 < 0) {
  __pyx_t_3 += __pyx_v_A.shape[0];
  if (unlikely(__pyx_t_3 < 0)) __pyx_t_4 = 0;
} else if (unlikely(__pyx_t_3 >= __pyx_v_A.shape[0])) __pyx_t_4 = 0;

在size_t循环中：

if (unlikely(__pyx_t_3 >= (size_t)__pyx_v_A.shape[0])) __pyx_t_4 = 0;

因此，不需要进行环绕测试，因为size_t是无符号的，并且保证在索引内存中的项目时不会size_t 。 其余几乎是一样的。

更新：关于你的unsigned int结果 - 你的int和size_t的大小是多少？ 他们有什么不同的规模，导致变化？ 在我的例子中，uint和size_t的C代码是相同的。 （因为size_t是无符号的，在此系统上特别是unsigned int）

Answer 2

在64位系统上，似乎有两个原因：

1. 对循环使用无符号整数：

    %%cython cimport numpy as cnp import numpy as np def sum_int_unsigned(cnp.int64_t[::1] A): cdef unsigned long s = 0 cdef unsigned k for k in xrange(A.shape[0]): s += A[k] return s 

2. 使用long而不是int ：

    %%cython cimport numpy as cnp import numpy as np def sum_int_unsigned_long(cnp.int64_t[::1] A): cdef unsigned long s = 0 cdef unsigned long k for k in xrange(A.shape[0]): s += A[k] return s 

时序：

%timeit sum_int(a)
1000 loops, best of 3: 1.52 ms per loop

%timeit sum_size_t(a)
1000 loops, best of 3: 671 µs per loop

使用unsigned将我们带到了一半：

%timeit sum_int_unsigned(a) 
1000 loops, best of 3: 1.09 ms per loop

使用long帐户来完成剩下的工作：

%timeit sum_int_unsigned_long(a)
1000 loops, best of 3: 648 µs per loop