[英]Cython: why is size_t faster than int?
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?
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)
在64位系统上,似乎有两个原因:
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
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.