使用Cython优化numpy.dot

Question

我有以下代码，我想使用Cython进行优化：

sim = numpy.dot(v1, v2) / (sqrt(numpy.dot(v1, v1)) * sqrt(numpy.dot(v2, v2))) 
dist = 1-sim
return dist

我编写并编译了.pyx文件，当我运行代码时，我没有看到任何性能上的显着改进。 根据Cython文档，我必须添加c_types。 Cython生成的HTML文件表明瓶颈是点积（当然是预期的）。 这是否意味着我必须为点积定义C函数？ 如果是，我该怎么做？

编辑：

经过一些研究后，我提出了以下代码。 改善只是微不足道的。 我不确定我能做些什么来改善它：

from __future__ import division
import numpy as np
import math as m
cimport numpy as np
cimport cython

cdef extern from "math.h":
    double c_sqrt "sqrt"(double)

ctypedef np.float reals #typedef_for easier readding

cdef inline double dot(np.ndarray[reals,ndim = 1] v1, np.ndarray[reals,ndim = 1] v2):
  cdef double result = 0
  cdef int i = 0
  cdef int length = v1.size
  cdef double el1 = 0
  cdef double el2 = 0
  for i in range(length):
    el1 = v1[i]
    el2 = v2[i]
    result += el1*el2
  return result

@cython.cdivision(True)
def distance(np.ndarray[reals,ndim = 1] ex1, np.ndarray[reals,ndim = 1] ex2):
  cdef double dot12 = dot(ex1, ex2)
  cdef double dot11 = dot(ex1, ex1)
  cdef double dot22 = dot(ex2, ex2)
  cdef double sim = dot12 / (c_sqrt(dot11 * dot22))
  cdef double dist = 1-sim    
  return dist 

Answer 1

一般来说，如果你从cython中调用numpy函数而没有做其他事情，你通常只会看到边际收益（如果有的话）。 如果你静态地输入在python级别使用显式for循环的代码（而不是已经调用Numpy C-API的东西），你通常只会获得大量的加速。

您可以尝试使用计数器的所有静态类型，输入numpy数组等来编写点积的代码，并将wraparound和boundscheck设置为False，导入sqrt函数的clib版本然后尝试利用并行for loop（ prange ）来利用prange 。

Answer 2

您可以更改表达式

sim = numpy.dot(v1, v2) / (sqrt(numpy.dot(v1, v1)) * sqrt(numpy.dot(v2, v2))) 

至

sim = numpy.dot(v1, v2) / sqrt(numpy.dot(v1, v1) * numpy.dot(v2, v2))