Я пытаюсь оценить некоторые подходы, и я нахожусь на камне преткновения с производительностью.Оптимизация простых циклов, связанных с процессором, с использованием Cython и замена списка
Почему мой код cython настолько медленный? Мое ожидание в том, что код будет работать довольно быстро (возможно, nano секунд для цикла 2d с 256 ** 2 записями) в отличие от миллисекунд.
Вот мои результаты испытаний:
$ python setup.py build_ext --inplace; python test.py
running build_ext
counter: 0.00236220359802 sec
pycounter: 0.00323309898376 sec
percentage: 73.1 %
Мой исходный код выглядит примерно так:
#!/usr/bin/env python
# encoding: utf-8
# filename: loop_testing.py
def generate_coords(dim, length):
"""Generates a list of coordinates from dimensions and size
provided.
Parameters:
dim -- dimension
length -- size of each dimension
Returns:
A list of coordinates based on dim and length
"""
values = []
if dim == 2:
for x in xrange(length):
for y in xrange(length):
values.append((x, y))
if dim == 3:
for x in xrange(length):
for y in xrange(length):
for z in xrange(length):
values.append((x, y, z))
return values
Это работает для того, что мне нужно, но медленно. Для данного dim, length = (2, 256), я вижу время на iPython около 2,3 мс.
В попытке ускорить это, я разработал эквивалент cython (я думаю, что это эквивалент).
#!/usr/bin/env python
# encoding: utf-8
# filename: loop_testing.pyx
# cython: boundscheck=False
# cython: wraparound=False
cimport cython
from cython.parallel cimport prange
import numpy as np
cimport numpy as np
ctypedef int DTYPE
# 2D point updater
cpdef inline void _counter_2d(DTYPE[:, :] narr, int val) nogil:
cdef:
DTYPE count = 0
DTYPE index = 0
DTYPE x, y
for x in range(val):
for y in range(val):
narr[index][0] = x
narr[index][1] = y
index += 1
cpdef DTYPE[:, :] counter(dim=2, val=256):
narr = np.zeros((val**dim, dim), dtype=np.dtype('i4'))
_counter_2d(narr, val)
return narr
def pycounter(dim=2, val=256):
vals = []
for x in xrange(val):
for y in xrange(val):
vals.append((x, y))
return vals
И призывание времени:
#!/usr/bin/env python
# filename: test.py
"""
Usage:
test.py [options]
test.py [options] <val>
test.py [options] <dim> <val>
Options:
-h --help This Message
-n Number of loops [default: 10]
"""
if __name__ == "__main__":
from docopt import docopt
from timeit import Timer
args = docopt(__doc__)
dim = args.get("<dim>") or 2
val = args.get("<val>") or 256
n = args.get("-n") or 10
dim = int(dim)
val = int(val)
n = int(n)
tests = ['counter', 'pycounter']
timing = {}
for test in tests:
code = "{}(dim=dim, val=val)".format(test)
variables = "dim, val = ({}, {})".format(dim, val)
setup = "from loop_testing import {}; {}".format(test, variables)
t = Timer(code, setup=setup)
timing[test] = t.timeit(n)/n
for test, val in timing.iteritems():
print "{:>20}: {} sec".format(test, val)
print "{:>20}: {:>.3} %".format("percentage", timing['counter']/timing['pycounter'] * 100)
И для справки, setup.py строить код Cython:
from distutils.core import setup
from Cython.Build import cythonize
import numpy
include_path = [numpy.get_include()]
setup(
name="looping",
ext_modules=cythonize('loop_testing.pyx'), # accepts a glob pattern
include_dirs=include_path,
)
EDIT: Ссылка работать версия: https://github.com/brianbruggeman/cython_experimentation
Ваш код на языке cython довольно хорош. Кроме того, что 'narr [index] [0] = x' фактически не выполняет присваивание (и делает медленные вызовы API Python), используйте вместо него' narr [index, 0] = x' (то же самое верно для чистого numpy).Кроме того, попробуйте установить в свой 'setup.py'' extra_compile_args = ['- O3', '-march = native'] 'и' extra_link_args = ['- O3', '-march = native'] ', что должно ускорить работу вверх. – rth
Спасибо! Я попробую это. –
@rth 'narr [index, 0]' определенно исправил проблему. Сейчас я на скорости около 100 раз. Я не видел больших изменений с дополнительными параметрами компиляции/ссылок. Тем не менее, я не против оставить их в этом. Благодаря тонну! Вы хотите добавить ответ? –