Python numba guvectorize target=&x27；平行'；慢于目标='；中央处理器'；

我一直在尝试优化一段涉及大型多维数组计算的python代码。我用numba得到了违反直觉的结果。我运行的是MBP，2015年年中，2.5 GHz i7四核，操作系统10.10.5，python 2.7.11。考虑以下事项：

 import numpy as np
 from numba import jit, vectorize, guvectorize
 import numexpr as ne
 import timeit

 def add_two_2ds_naive(A,B,res):
     for i in range(A.shape[0]):
         for j in range(B.shape[1]):
             res[i,j] = A[i,j]+B[i,j]

 @jit
 def add_two_2ds_jit(A,B,res):
     for i in range(A.shape[0]):
         for j in range(B.shape[1]):
             res[i,j] = A[i,j]+B[i,j]

 @guvectorize(['float64[:,:],float64[:,:],float64[:,:]'],
    '(n,m),(n,m)->(n,m)',target='cpu')
 def add_two_2ds_cpu(A,B,res):
     for i in range(A.shape[0]):
         for j in range(B.shape[1]):
             res[i,j] = A[i,j]+B[i,j]

 @guvectorize(['(float64[:,:],float64[:,:],float64[:,:])'],
    '(n,m),(n,m)->(n,m)',target='parallel')
 def add_two_2ds_parallel(A,B,res):
     for i in range(A.shape[0]):
         for j in range(B.shape[1]):
             res[i,j] = A[i,j]+B[i,j]

 def add_two_2ds_numexpr(A,B,res):
     res = ne.evaluate('A+B')

 if __name__=="__main__":
     np.random.seed(69)
     A = np.random.rand(10000,100)
     B = np.random.rand(10000,100)
     res = np.zeros((10000,100))

我现在可以在各种功能上运行timeit：

%timeit add_two_2ds_jit(A,B,res)
1000 loops, best of 3: 1.16 ms per loop

%timeit add_two_2ds_cpu(A,B,res)
1000 loops, best of 3: 1.19 ms per loop

%timeit add_two_2ds_parallel(A,B,res)
100 loops, best of 3: 6.9 ms per loop

%timeit add_two_2ds_numexpr(A,B,res)
1000 loops, best of 3: 1.62 ms per loop

---

“并行”似乎甚至不需要使用单个核心的大部分，因为它在

top

中的使用表明python的“并行”cpu使用率为40%，而“cpu”cpu使用率为100%，numexpr的使用率为300%。

您的@guvectorize实现存在两个问题。首先，您正在@guvectorize内核中执行所有循环，因此实际上没有任何东西可供Numba并行目标并行化。@vectorize和@guvectorize在ufunc/gufunc中的广播维度上并行化。由于gufunc的签名是2D，而输入是2D，因此只有一个对内部函数的调用，这解释了您所看到的CPU使用率仅为100%

编写上述函数的最佳方法是使用常规ufunc：

@vectorize('(float64, float64)', target='parallel')
def add_ufunc(a, b):
    return a + b

然后在我的系统上，我看到这些速度：

%timeit add_two_2ds_jit(A,B,res)
1000 loops, best of 3: 1.87 ms per loop

%timeit add_two_2ds_cpu(A,B,res)
1000 loops, best of 3: 1.81 ms per loop

%timeit add_two_2ds_parallel(A,B,res)
The slowest run took 11.82 times longer than the fastest. This could mean that an intermediate result is being cached 
100 loops, best of 3: 2.43 ms per loop

%timeit add_two_2ds_numexpr(A,B,res)
100 loops, best of 3: 2.79 ms per loop

%timeit add_ufunc(A, B, res)
The slowest run took 9.24 times longer than the fastest. This could mean that an intermediate result is being cached 
1000 loops, best of 3: 2.03 ms per loop

（这是一个与您的OS X系统非常相似的系统，但使用的是OS X 10.11。）

尽管Numba的并行ufunc现在超过了numexpr（我看到，

add_ufunc

使用了大约280%的CPU），但它并没有打败简单的单线程CPU。我怀疑瓶颈是由于内存（或缓存）带宽造成的，但我还没有进行测量来检查这一点

---

一般来说，如果您对每个内存元素（比如说，余弦）进行更多的数学运算，那么并行ufunc目标将带来更多好处。

但是

guvectorize

的要点是，您定义的操作将应用于任何额外维度（这是并行完成的位）。您编写的代码本身不会被并行化。因此，如果您将

A

、

B

和

res

更改为形状

（1000010000100）

第三维的100个不同迭代将并行运行。谢谢，我发现我误解了用法。