[英]Optimizing numpy.dot with Cython
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
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
。
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))
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.