Numpy 用并行Cython加速线性变换
我需要加速线性变换的计算,其大致形式如下:Numpy 用并行Cython加速线性变换,numpy,parallel-processing,cython,numexpr,Numpy,Parallel Processing,Cython,Numexpr,我需要加速线性变换的计算,其大致形式如下: import numpy as np N=10000 input=np.random.random(N) x=np.linspace(0,100,N) y=np.linspace(0,30,N) X,Y=np.meshgrid(x,y,sparse=True) output=np.dot(np.cos(X*Y),input) 也就是说,我在一个规则的网格上计算余弦,然后将我的输入乘以得到的矩阵。实际上,核函数(这里是余弦)更复杂,特别是它不是周
import numpy as np
N=10000
input=np.random.random(N)
x=np.linspace(0,100,N)
y=np.linspace(0,30,N)
X,Y=np.meshgrid(x,y,sparse=True)
output=np.dot(np.cos(X*Y),input)
也就是说,我在一个规则的网格上计算余弦,然后将我的输入乘以得到的矩阵。实际上,核函数(这里是余弦)更复杂,特别是它不是周期性的。因此,不可能简化FFT类型
在我的多核机器上,上述转换大约需要5秒钟。现在,我确实需要加快速度。简单的第一次尝试是使用numexpr:
import numpy as np
import numexpr as ne
N=10000
input=np.random.random(N)
x=np.linspace(0,100,N)
y=np.linspace(0,30,N)
X,Y=np.meshgrid(x,y,sparse=True)
output=np.dot(ne.evaluate('cos(X*Y)'),input)
这利用了并行计算,并将执行时间减少到约0.9秒。这很好,但对我来说还不够。因此,我的下一个尝试是使用并行Cython:
import numpy as np
from cython.parallel import prange
cimport numpy as np
cimport cython
from libc.math cimport cos
DTYPE = np.float64
ctypedef np.float64_t DTYPE_t
@cython.boundscheck(False)
@cython.wraparound(False)
@cython.nonecheck(False)
def transform(double[:] x, double[:] y, double[:] input):
cdef unsigned int N = x.shape[0]
cdef double[:] output = np.zeros(N)
cdef unsigned int row, col
for row in prange(N, nogil= True):
for col in range(N):
output[row] += cos(x[row]*y[col])*input[col]
return output
我通过执行
from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext
ext_modules=[
Extension("cythontransform",
["cythontransform.pyx"],
libraries=["m"],
extra_compile_args = ["-O3", "-ffast-math", "-march=native", "-fopenmp" ],
extra_link_args=['-fopenmp']
)
]
setup(
name = "cythontransform",
cmdclass = {"build_ext": build_ext},
ext_modules = ext_modules
)
从命令行。通过调用转换
import numpy as np
from cythontransform import transform
N=10000
input=np.random.random(N)
x=np.linspace(0,100,N)
y=np.linspace(0,30,N)
output=transform(x,y,input)
产生相当微弱的改善,大约0.7秒
有人知道Cython代码进一步改进的可能性吗
或者,是否有其他框架(PyOpenCL、Pythran、Numba等)更适合此问题?在我的笔记本电脑上,以下版本: 编撰
pythran python -Ofast dd.py -fopenmp
运行速度大约是您建议的cython版本的两倍。虽然…FYI:
np,但我没有调查为什么会发生这种情况。empty(N)
不会将新数组初始化为0,因此您可能会从cython函数中获取垃圾。使用np.zero(N)
。行X,Y=np.meshgrid(X,X,sparse=True)
中是否有输入错误?应该是X,Y=np.meshgrid(X,Y,sparse=True)
?如果没有,则您定义了y
,但从未使用过它。这可能就是计算所需的时间。Cython代码看起来相当不错。将MemoryView声明为double[::1]
将强制阵列对齐,并可能提供一个微小的加速。亲爱的Pierre,确实,这似乎提供了几个百分点的加速。总比没有好。谢谢
pythran python -Ofast dd.py -fopenmp