Question

将某些Cython变量从类型int更改为类型size_t可以显着减少某些函数时间（~30％），但我不明白为什么。

例如：

cimport numpy as cnp
import numpy as np

def sum_int(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef int k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

def sum_size_t(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef size_t k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

a = np.array(range(1000000))

时间结果：

In [17]: %timeit sum_int(a)   
1000 loops, best of 3: 652 µs per loop

In [18]: %timeit sum_size_t(a)
1000 loops, best of 3: 427 µs per loop

我是Cython的新手，比C.更了解Fortran。帮助我。这两种变量类型之间的重要区别是什么导致了这种性能差异？什么是我不喜欢Cython？

Answer 1

您可能不得不进行逐行分析才能准确找到，但有一件事从我生成的C文件中脱颖而出：检查int版本是否为负数，size_t假设{1}}正常。

在int循环中：（t_3是从k分配的，它们是相同的类型）

if (__pyx_t_3 < 0) {
  __pyx_t_3 += __pyx_v_A.shape[0];
  if (unlikely(__pyx_t_3 < 0)) __pyx_t_4 = 0;
} else if (unlikely(__pyx_t_3 >= __pyx_v_A.shape[0])) __pyx_t_4 = 0;

在size_t循环中：

if (unlikely(__pyx_t_3 >= (size_t)__pyx_v_A.shape[0])) __pyx_t_4 = 0;

因此，不需要进行环绕测试，因为size_t是无符号的，并且保证在索引内存中的项时不会回滚。其余几乎是一样的。

更新：关于您的unsigned int结果 - 您的int和size_t的大小是多少？他们有什么不同的大小，导致变化？在我的例子中，uint和size_t的C代码是相同的。（因为size_t是无符号的，在此系统上特别是unsigned int）

Answer 2

在64位系统上，似乎有两个原因：

对循环使用无符号整数：

%%cython

cimport numpy as cnp
import numpy as np

def sum_int_unsigned(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef unsigned k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

使用long代替int：

%%cython

cimport numpy as cnp
import numpy as np

def sum_int_unsigned_long(cnp.int64_t[::1] A):
    cdef unsigned long s = 0
    cdef unsigned long k
    for k in xrange(A.shape[0]):
        s += A[k]
    return s

时序：

%timeit sum_int(a)
1000 loops, best of 3: 1.52 ms per loop

%timeit sum_size_t(a)
1000 loops, best of 3: 671 µs per loop

使用unsigned为我们带来了一半：

%timeit sum_int_unsigned(a) 
1000 loops, best of 3: 1.09 ms per loop

其余使用long帐户：

%timeit sum_int_unsigned_long(a)
1000 loops, best of 3: 648 µs per loop

Cython：为什么size_t比int快？

2 个答案: