提高numpy三角函數的運算性能

Question

我有一個相當大的代碼，我需要優化。 在使用time.time()進行一些分析之后，我發現占用最多處理時間的行（它執行了數千次）是這樣的：

A = np.cos(a) * np.cos(b) - np.sin(a) * np.sin(b) * np.sin(c - d)

所有變量都可以隨機定義：

N = 5000
a = np.random.uniform(0., 10., N)
b = np.random.uniform(0., 50., N)
c = np.random.uniform(0., 30., N)
d = np.random.uniform(0., 25., N)

有沒有辦法提高A的計算性能？ 由於我已經使用numpy ，我幾乎沒有想法。

Answer 1

通過使用乘積和總和。 身份 ，你可以減少三角形的數量。 函數調用。 在下文中， func1和func2計算相同的值，但func2對trig的調用次數較少。 職能。

import numpy as np

def func1(a, b, c, d):
    A = np.cos(a) * np.cos(b) - np.sin(a) * np.sin(b) * np.sin(c - d)
    return A

def func2(a, b, c, d):
    s = np.sin(c - d)
    A = 0.5*((1 - s)*np.cos(a - b) + (1 + s)*np.cos(a + b))
    return A

這是N = 5000的時序比較：

In [48]: %timeit func1(a, b, c, d)
1000 loops, best of 3: 374 µs per loop

In [49]: %timeit func2(a, b, c, d)
1000 loops, best of 3: 241 µs per loop

Answer 2

您是否嘗試使用像Numba，Cython，Pythran或其他任何東西的Python加速器？

我和Pythran做了一些測試。 結果如下：

原始代碼：

• Python + numpy：1000個循環，最佳3：每循環1.43毫秒
• Pythran：1000個循環，每個循環最好3：777usec
• Pythran + SIMD：1000次循環，最佳3：488次循環使用

代碼由Warren提供：

• Python + numpy：1000次循環，最佳3：每循環1.05毫秒
• Pythran：1000個循環，每個循環最好3：646 usec
• Pythran + SIMD：1000次循環，最佳3：425次循環使用

這是在N = 5000的情況下完成的

• 更新*：

這是代碼：

# pythran export func1(float[], float[], float[], float[])
# pythran export func2(float[], float[], float[], float[])
import numpy as np

def func1(a, b, c, d):
    A = np.cos(a) * np.cos(b) - np.sin(a) * np.sin(b) * np.sin(c - d)
    return A

def func2(a, b, c, d):
    s = np.sin(c - d)
    A = 0.5*((1 - s)*np.cos(a - b) + (1 + s)*np.cos(a + b))
    return A

和命令行：

$ pythran test.py  # Default compilation
$ pythran test.py -march=native -DUSE_BOOST_SIMD  # Pythran with code vectorization