Cython 用零初始化矩陣

Question

描述

我只是想創建一個由0填充的rows x cols的矩陣。 總是使用 numpy 我認為使用文檔中描述的np.zeros是最簡單的：

DTYPE = np.int
ctypedef np.int_t DTYPE_t

def f1():
    cdef:
        int dim = 40000
        int i, j
        np.ndarray[DTYPE_t, ndim=2] mat = np.zeros([40000, 40000], dtype=DTYPE)
        
    for i in range(dim):
        for j in range(dim):
            mat[i, j] = 1

然后我使用 c 中的數組進行了比較：

def f2():
    cdef:
        int dim = 40000
        int[40000][40000] mat
        int i, j
    
    for i in range(dim):
        for j in range(dim):
            mat[i][j] = 1

numpy 版本在我的電腦上用了3 secs ，而 c 版本只用了2.4e-5 secs 。 但是，當我從f2()返回數組時，我注意到它不是零填充的（當然這里不能， i==j但是當不填充它時，它也不會返回 0 數組）。 如何在 cython 中做到這一點。 我知道在常規 C 中它會像： int arr[n][m] = {}; .

問題

如何用0s填充 c 數組？ （如果我的代碼中有明顯錯誤，我會選擇 numpy）

Answer 1

你不想寫這樣的代碼：

1. int[40000][40000] mat在堆棧上生成一個 6 GB 的數組（假設為 4 字節整數）。 通常，最大堆棧大小約為幾 Mb。 我不知道這不會使您的 PC 崩潰。

2. 但是，當我從 f2() 返回數組時 [...]

   您分配的數組完全是函數本地的。 從 C 的角度來看，您無法返回它，因為它在函數完成后不再存在。 我認為 Cython 可能會為您將其轉換為（嵌套的）Python 列表。 這需要逐個元素的慢速復制，這不是您想要的。

對於您在這里所做的事情，僅使用 Numpy 會更好。

---

Cython 不支持 C arr = {}的良好等效項，因此如果您確實想要初始化合理的小型 C 數組，則需要使用一個：

1. 循環，
2. memset （您可以從cimport libc.string ），
3. 創建它的類型化內存視圖並執行memview[:,:] = 0

---

numpy 版本在我的電腦上用了 3 秒，而 c 版本只用了 2.4e-5 秒。

這種差異通常表明 C 編譯器已經優化了一些代碼（通過檢測結果未使用）。 這不太可能是真正的加速。