[英]Sparse matrix multiplication when results' sparsity is known (in python|scipy|cython)
[英]Cython: matrix multiplication
我已经对以下使用 numpy 的矩阵乘法的文件进行了 cythonized:
def cell(float[:, ::1] a, float[:, ::1] b):
c = a @ b
return c
但是,当我用以下方式调用它时:
from matmul import cell
import numpy as np
a = np.zeros((1, 64), dtype=np.float32)
b = np.zeros((64, 64), dtype=np.float32)
c = cell(a, b)
我收到以下错误:
类型错误:@ 不支持的操作数类型:_memoryviewslice 和 _memoryviewslice
如何使用 Cython 执行矩阵乘法?
上下文:function“单元”是我编写的代码的一部分,它通过 LSTM 网络执行预测(我手动编写了它,没有使用 PyTorch 或 Tensorflow)。 我需要加速代码才能实时使用网络。
如果这就是你所做的一切,那么为cell
的参数添加类型实际上是没有意义的——你所做的只是无缘无故地添加昂贵的类型检查。 Cython 无法有效利用这些类型。 只需不a
和b
即可。
如果您确实需要使用 Numpy 整个数组操作来修复 memoryviews 操作,最简单的解决方案是调用np.asarray
def cell(float[:, ::1] a, float[:, ::1] b):
c = np.asarray(a) @ np.asarray(b)
return c
您在这里没有从 Cython 获得任何好处 - 它只是调用 Numpy 矩阵乘法代码。 因此,仅在需要将其与您确实受益于 Cython 的某些操作混合时才执行此操作。
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.