파이썬 오버 헤드없이 Cython에서 NumPy 배열 정의하기

Question

나는 계산을 빠르게하기 위해 Cython을 배우려고 노력해왔다. 여기에 내가하려고하는 일의 하위 집합이 있습니다. 이것은 단순히 NumPy 배열을 사용하면서 재귀 수식을 사용하여 미분 방정식을 통합하는 것입니다. 나는 이미 순수한 파이썬 버전보다 100 배 빠른 속도를 달성했다. 그러나 그것은 내가 코드를 -a cython 명령에 의해 생성 된 HTML 파일을보고 기반으로 추가 속도를 얻을 수있는 것 같습니다.

%%cython 
import numpy as np 
cimport numpy as np 
cimport cython 
from libc.math cimport exp,sqrt 

@cython.boundscheck(False) 
cdef double riccati_int(double j, double w, double h, double an, double d): 
    cdef: 
     double W 
     double an1 
    W = sqrt(w**2 + d**2) 
    #dark_yellow 
    an1 = ((d - (W + w) * an) * exp(-2 * W * h/j) - d - (W - w) * an)/
      ((d * an - W + w) * exp(-2 * W * h/j) - d * an - W - w) 
    return an1 


def acalc(double j, double w): 
    cdef: 
     int xpos, i, n 
     np.ndarray[np.int_t, ndim=1] xvals 
     np.ndarray[np.double_t, ndim=1] h, a 
    xpos = 74 
    xvals = np.array([0, 8, 23, 123, 218], dtype=np.int)  #dark_yellow 
    h = np.array([1, .1, .01, .1], dtype=np.double)   #dark_yellow 
    a = np.empty(219, dtype=np.double)      #dark_yellow 
    a[0] = 1/(w + sqrt(w**2 + 1))       #light_yellow 

    for i in range(h.size):         #dark_yellow 
     for n in range(xvals[i], xvals[i + 1]):    #light_yellow 
      if n < xpos: 
       a[n+1] = riccati_int(j, w, h[i], a[n], 1.) #light_yellow 
      else: 
       a[n+1] = riccati_int(j, w, h[i], a[n], 0.) #light_yellow 
    return a 

할 수 있어야 내가 위에서 표시된 모든 9 개 라인처럼 날 것으로 보인다 : (I 개는 흰색을하고자하는 HTML 파일에 노란색이 될 줄)를 다음과 같이 내 코드는 흰색과 적절한 조정. 한 가지 문제는 NumPy 배열을 적절한 방법으로 정의하는 것입니다. 하지만 아마도 더 중요한 것은 첫 번째 레이블이 붙은 라인을 효율적으로 작동시킬 수 있다는 것입니다. 여기에서 계산의 대부분이 수행되기 때문입니다. 노란색 줄을 클릭 한 후 HTML 파일이 표시하는 생성 된 C 코드를 읽으려고했지만 솔직히이 코드를 읽는 방법을 알지 못합니다. 아무도 나를 도와 주실 수 없다면 크게 감사하겠습니다.

Answer 1

루프에없는 노란색 선을 신경 쓸 필요가 없다고 생각합니다. 다음과 같은 컴파일러 지시어 빠른 루프에서 세 줄을 만들 것입니다 추가

@cython.cdivision(True) 
cdef double riccati_int(double j, double w, double h, double an, double d): 
    pass 

@cython.boundscheck(False) 
@cython.wraparound(False) 
def acalc(double j, double w): 
    pass 

Answer 2

나는 그것이 차이가 있는지, 잘 모르겠지만, 당신은 전자 배열에 대한 사용 메모리보기를 할 수 있습니다. 지.

cdef double [:] h = np.array([1, .1, .01, .1], dtype=np.double) #dark_yellow 
cdef double [:] a = np.empty(219, dtype=np.double)    #dark_yellow 

또한 4 개의 정적 값에 대해 numpy 배열을 만드는 것은 다소 과장됩니다. 이것은 정적 C 배열로 대체 될 수 있습니다.

cdef double *h = [1, .1, .01, .1] 

그러나 루프에서 무엇이 가장 중요합니까? 라인 프로파일 러는 cython (afaik)에서 작동하지 않으므로 cProfile을 사용하는 것 외에도 함수 내에서 벤치 마크 할 time 모듈을 사용하십시오. Cython 로그에서 선 색상의 강도가 컨텍스트에서 평가되어야한다는 아이디어를 줄 수 있습니다.

이 as I learned

size_t i, n 
Py_ssize_t i, n 

두 번째 가장 큰 문제를 고정 cdivision 지시어를 추가 서명 된 버전