[英]Cython either marginally faster or slower than pure Python
我正在使用幾種技術( NumPy , Weave和Cython )執行Python性能基准測試。 代碼基本上在數學上所做的是C = AB
,其中A,B和C是N x N
矩陣( 注意:這是矩陣乘積,而不是逐元素乘法)。
我已經編寫了5種不同的代碼實現:
我的期望是實施2到5將比實施1快得多。但是我的結果卻相反。 這些是我相對於純Python實現的標准化提速結果:
我對NumPy的表現感到非常滿意,但是我對Weave的表現並不熱心,而Cython的表現使我哭泣。 我的整個代碼分為兩個文件。 一切都是自動化的,您只需要運行第一個文件即可查看所有結果。 有人可以幫我指出我可以做些什么以獲得更好的結果嗎?
matmul.py:
import time
import numpy as np
from scipy import weave
from scipy.weave import converters
import pyximport
pyximport.install()
import cython_matmul as cml
def python_list_matmul(A, B):
C = np.zeros(A.shape, dtype=float).tolist()
A = A.tolist()
B = B.tolist()
for k in xrange(len(A)):
for i in xrange(len(A)):
for j in xrange(len(A)):
C[i][k] += A[i][j] * B[j][k]
return C
def numpy_array_matmul(A, B):
return np.dot(A, B)
def weave_inline_matmul(A, B):
code = """
int i, j, k;
for (k = 0; k < N; ++k)
{
for (i = 0; i < N; ++i)
{
for (j = 0; j < N; ++j)
{
C(i, k) += A(i, j) * B(j, k);
}
}
}
"""
C = np.zeros(A.shape, dtype=float)
weave.inline(code, ['A', 'B', 'C', 'N'], type_converters=converters.blitz, compiler='gcc')
return C
N = 100
A = np.random.rand(N, N)
B = np.random.rand(N, N)
function = []
function.append([python_list_matmul, 'python_list'])
function.append([numpy_array_matmul, 'numpy_array'])
function.append([weave_inline_matmul, 'weave_inline'])
function.append([cml.cython_list_matmul, 'cython_list'])
function.append([cml.cython_array_matmul, 'cython_array'])
t = []
for i in xrange(len(function)):
t1 = time.time()
C = function[i][0](A, B)
t2 = time.time()
t.append(t2 - t1)
print function[i][1] + ' \t: ' + '{:10.6f}'.format(t[0] / t[-1])
cython_matmul.pyx:
import numpy as np
cimport numpy as np
import cython
cimport cython
DTYPE = np.float
ctypedef np.float_t DTYPE_t
@cython.boundscheck(False)
@cython.wraparound(False)
@cython.nonecheck(False)
cpdef cython_list_matmul(A, B):
cdef int i, j, k
cdef int N = len(A)
A = A.tolist()
B = B.tolist()
C = np.zeros([N, N]).tolist()
for k in xrange(N):
for i in xrange(N):
for j in xrange(N):
C[i][k] += A[i][j] * B[j][k]
return C
@cython.boundscheck(False)
@cython.wraparound(False)
@cython.nonecheck(False)
cpdef cython_array_matmul(np.ndarray[DTYPE_t, ndim=2] A, np.ndarray[DTYPE_t, ndim=2] B):
cdef int i, j, k, N = A.shape[0]
cdef np.ndarray[DTYPE_t, ndim=2] C = np.zeros([N, N], dtype=DTYPE)
for k in xrange(N):
for i in xrange(N):
for j in xrange(N):
C[i][k] += A[i][j] * B[j][k]
return C
Python列表和高性能數學不兼容,請忘了cython_list_matmul
。
cython_array_matmul
的唯一問題是索引使用不正確。 它應該是
C[i,k] += A[i,j] * B[j,k]
這就是在python中索引numpy數組的方式,這就是Cython優化的語法。 進行此更改后,您應該獲得不錯的性能。
Cython的注釋功能確實有助於發現此類優化問題。 您可能會注意到A[i][j]
會產生大量的Python API調用,而A[i,j]
不會產生任何調用。
另外,如果您手動初始化所有條目,則np.empty
比np.zeros
更合適。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.