Python 用Cython优化numpy.dot

我想使用Cython优化以下代码：

sim = numpy.dot(v1, v2) / (sqrt(numpy.dot(v1, v1)) * sqrt(numpy.dot(v2, v2))) 
dist = 1-sim
return dist

我已经编写并编译了.pyx文件，当我运行代码时，我没有看到任何性能上的显著改进。根据Cython文档，我必须添加c_类型。Cython生成的HTML文件表明瓶颈是dot产品（当然这是预期的）。这是否意味着我必须为点积定义一个C函数？如果是，我怎么做

编辑：

经过一些研究，我得出了以下代码。这种改善只是微不足道的。我不确定我是否可以做些什么来改进它：

from __future__ import division
import numpy as np
import math as m
cimport numpy as np
cimport cython

cdef extern from "math.h":
    double c_sqrt "sqrt"(double)

ctypedef np.float reals #typedef_for easier readding

cdef inline double dot(np.ndarray[reals,ndim = 1] v1, np.ndarray[reals,ndim = 1] v2):
  cdef double result = 0
  cdef int i = 0
  cdef int length = v1.size
  cdef double el1 = 0
  cdef double el2 = 0
  for i in range(length):
    el1 = v1[i]
    el2 = v2[i]
    result += el1*el2
  return result

@cython.cdivision(True)
def distance(np.ndarray[reals,ndim = 1] ex1, np.ndarray[reals,ndim = 1] ex2):
  cdef double dot12 = dot(ex1, ex2)
  cdef double dot11 = dot(ex1, ex1)
  cdef double dot22 = dot(ex2, ex2)
  cdef double sim = dot12 / (c_sqrt(dot11 * dot22))
  cdef double dist = 1-sim    
  return dist 

---

您可以更改表达式

sim = numpy.dot(v1, v2) / (sqrt(numpy.dot(v1, v1)) * sqrt(numpy.dot(v2, v2))) 

到

---

一般来说，如果您从cython内部调用numpy函数，并且很少做其他事情，那么您通常只会看到边际收益（如果有的话）。通常，只有在python级别静态键入使用显式for循环的代码时（而不是在已经调用Numpy C-API的代码中），才能获得巨大的速度提升

---

您可以尝试使用计数器的所有静态类型、输入numpy数组等编写点积的代码，将wrapparound和boundscheck设置为False，导入

sqrt

函数的clib版本，然后尝试利用并行for循环（

prange

）来使用openmp

嘿，你说得对。我应该注意到这一点。然而，我只是尝试了一下，仍然没有明显的改善！但关键是要设法在cython中运行它，看看最近这个非常类似的问题：这就是我到目前为止发现的。我试试你的建议。谢谢，也许我误解了你的评论。你是说我现在的代码不能用Cython更快，还是说如果我只使用编译好的Cython代码而不使用任何静态类型，那么我就不会有任何收获？请看一下我在问题中修改的代码！我不确定我是否应该这样做。@georgeeracleus我想说的是，你最初的代码从cython内部调用了

np.dot

，它不应该得到任何大的加速。你发布的新代码更像我想象的那样。请注意（1）我不确定您的

dot

实现是否适合内联。（2） 由于要在numpy数组上循环，我建议使用

boundscheck

和

wrapparound

装饰器，并将它们设置为

False

。（3） 在setup.py文件中，确保使用了优化标志（例如，

-O3

）。不过，一般来说，如果针对BLAS或MKL编译，numpy的

点

将得到高度优化

sim = numpy.dot(v1, v2) / sqrt(numpy.dot(v1, v1) * numpy.dot(v2, v2))