是否可以将cython函数作为参数传递给scipy函数？

Scipy有许多函数，它们接受可调用的python来执行某些操作。特别是，我正在使用一个数学优化函数

scipy.optimize.leastsq

，该函数接受Python可调用作为目标函数参数。在最小化过程中，

leastsq

可以多次调用此目标函数

我的分析表明，在这个目标函数上花费了很多时间。我使用Cython加速了函数的某些部分。但是，函数本身仍然是一个Python函数，重复调用它（正如

leastsq

所做的那样）会产生一些开销

我想如果函数是Cython函数（使用

cdef

而不是

def

），我可以进一步提高速度。因此，我将对

leastsq

的调用放在Cython扩展中，并将Cython目标函数传递给它。但是当我这样做时，我在

leastsq

调用中得到一个编译错误：

Cannot convert 'object (object, object, object)' to Python object

有没有办法将Cython函数作为参数传递给这些需要python可调用函数的Scipy函数？

---

或者，在我的例子中，是否有任何方法可以访问底层的

leastsq

实现并将Cython目标函数传递给它？目前无法传递中的cdef函数。向底层Fortran代码传递回调函数也是不可能的，因为它是用f2py包装的，而f2py不知道Cython

您可以做的是：

• 将函数编写为Cython的

  def

  函数。这些可以传递到所有Scipy的例程中。这并没有消除使用Python回调机制带来的额外函数调用开销（这可能并不重要！），但您可以加快函数的实现，这可能就足够了。只要记住

  cdef

  中出现的变量，就像编写Cython代码时一样

• 从Scipy或netlib.org复制MINPACK源代码，并直接自己使用。通过用低级函数回调机制替换Python函数回调机制，消除了剩余的函数调用开销

---

（已经讨论过添加一个协议来传递低级函数指针，这正是为此目的，任何需要它的基于Python的系统都可以采用该协议，但恐怕设计尚未完成，也没有在Cython&Scipy中实现。）

谢谢。我已经做了第一个建议，将我的目标函数保持为python函数，并在cython中加速其代码。我得到了一些加速，但没有太多，因为原始代码已经基本上用numpy矢量化了。关于第二个建议，我已经挖掘了一段时间，试图在_minpack.pyd中调用lmdif，并通过签名

cdef int raw\u multipack\u lm_函数（int*m，int*n，double*x，double*fvec，int*iflag）传递我的目标函数

，但我有很多错误，我被卡住了，我想知道你是否可以给我举一些例子来说明如何做到这一点。我手头没有一个例子。但是，我建议您重新检查该时间是否仍在函数中使用，例如，just via time.time（）。我认为使用第二个选项的性能改进不是很重要，除非您的函数的评估速度相当快。好的。我已经测量了目标函数中花费的时间与最少TSQ优化所花费的时间。我花了大约69%的时间在目标函数上进行测试，结果是41次目标函数评估。我认为花费在呼叫开销上的时间一定是剩余31%的一小部分。对于python调用，我将保持原样，并将重点放在加快目标函数的速度上。谢谢你的帮助。