Cython：為什么size_t比int快？

Question

從類型更改某些變量用Cython int輸入size_t可以顯著減少一些功能倍（〜30％），但我不明白為什么。

例如：

cimport numpy as cnp
import numpy as np

def sum_int(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef int k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

def sum_size_t(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef size_t k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

a = np.array(range(1000000))

時間結果如下：

In [17]: %timeit sum_int(a)   
1000 loops, best of 3: 652 µs per loop

In [18]: %timeit sum_size_t(a)
1000 loops, best of 3: 427 µs per loop

我是Cython的新手，比C.更了解Fortran。幫幫我。 這兩種變量類型之間的重要區別是什么導致了這種性能差異？ 什么是我不喜歡Cython？

Answer 1

您可能不得不進行逐行分析以找出確切的結果，但有一件事從我生成的C文件中脫穎而出：檢查int版本是否為環繞負數， size_t假定為ok。

在int循環中：（ t_3從k分配，它們是相同的類型）

if (__pyx_t_3 < 0) {
  __pyx_t_3 += __pyx_v_A.shape[0];
  if (unlikely(__pyx_t_3 < 0)) __pyx_t_4 = 0;
} else if (unlikely(__pyx_t_3 >= __pyx_v_A.shape[0])) __pyx_t_4 = 0;

在size_t循環中：

if (unlikely(__pyx_t_3 >= (size_t)__pyx_v_A.shape[0])) __pyx_t_4 = 0;

因此，不需要進行環繞測試，因為size_t是無符號的，並且保證在索引內存中的項目時不會size_t 。 其余幾乎是一樣的。

更新：關於你的unsigned int結果 - 你的int和size_t的大小是多少？ 他們有什么不同的規模，導致變化？ 在我的例子中，uint和size_t的C代碼是相同的。 （因為size_t是無符號的，在此系統上特別是unsigned int）

Answer 2

在64位系統上，似乎有兩個原因：

1. 對循環使用無符號整數：

    %%cython cimport numpy as cnp import numpy as np def sum_int_unsigned(cnp.int64_t[::1] A): cdef unsigned long s = 0 cdef unsigned k for k in xrange(A.shape[0]): s += A[k] return s 

2. 使用long而不是int ：

    %%cython cimport numpy as cnp import numpy as np def sum_int_unsigned_long(cnp.int64_t[::1] A): cdef unsigned long s = 0 cdef unsigned long k for k in xrange(A.shape[0]): s += A[k] return s 

時序：

%timeit sum_int(a)
1000 loops, best of 3: 1.52 ms per loop

%timeit sum_size_t(a)
1000 loops, best of 3: 671 µs per loop

使用unsigned將我們帶到了一半：

%timeit sum_int_unsigned(a) 
1000 loops, best of 3: 1.09 ms per loop

使用long帳戶來完成剩下的工作：

%timeit sum_int_unsigned_long(a)
1000 loops, best of 3: 648 µs per loop