Question

我正在优化我的代码的瓶颈部分 - 迭代函数a'= f（a），其中a和a'是N乘1矢量，直到max（abs（a' - a））足够小。

我已经在f（a）上放了一个Numba包装器，并且获得了比我能够生产的最优化的纯NumPy版本更好的加速（将运行时间缩短了大约50％）。

我尝试编写n兼容版本的numpy.max（numpy.abs（aprime - a）），但事实证明这更慢！我实际上已经失去了从Numba获得的所有增益 - 在迭代的第一部分进行了操作！

Numba或Cython是否有可能改进numpy.max（numpy.abs（aprime -a））？我在下面复制我的代码以供参考，其中a是P0，而'是Pprime：

编辑：对我来说，似乎将“maxabs（）”的输入“压平（）”很重要。当我这样做时，表现并不比NumPy差。然后，当我像JoshAdel建议的那样在时序括号外执行函数的“干运行”时，带有“maxabs”的循环比使用numpy.max（numpy.abs（））的循环稍好一些。

from numba import jit
import numpy as np

### Preliminaries, to make the working example fully functional

n = 1200
Gammer = np.exp(-np.random.rand(n,n))

alpher = np.ones((n,1))
xxer = 10000*np.random.rand(n,1)

chii = 6.5
varkappa = 6.5
phi3 = 1.5
A = .5
sig = .2 

mmer = np.dot(Gammer,xxer**phi3)


totalprod = A*alpher + (1-A)*mmer
Gammerchii = Gammer**chii
Gammerrats = Gammerchii[:,0].flatten()/Gammerchii[0,:].flatten()
Gammerrats[(Gammerchii[0,:].flatten() == 0) | (Gammerchii[:,0].flatten() == 0)] = 1.
P0 = (Gammerrats*(xxer[0]/totalprod[0])*(totalprod/xxer).flatten())**(1/(1+2*chii))
P0 *= n/np.sum(P0)
### End of preliminaries

### This is the function to produce a' = f(a)
@jit
def Piteration(P0, chii, sig, n, xxer, totalprod, Gammerrats, Gammerchii):
    Mac = np.zeros((n,))
    Pprime = np.zeros((n,))
    themacpow = 1-(1/chii)*(sig/(1-sig))
    specialchiipow = 1/(1+2*chii)
    Psum = 0.

    for i in range(n):
        for j in range(n):
            Mac[j] += ((P0[i]/P0[j])**chii)*Gammerchii[i,j]*totalprod[j]

    for i in range(n):
        Pprime[i] = (Gammerrats[i]*(xxer[0]/totalprod[0])*(totalprod[i]/xxer[i])*((Mac[i]/Mac[0])**themacpow))**specialchiipow
        Psum += Pprime[i]

    Psum = n/Psum

    for i in range(n):
        Pprime[i] *= Psum

    return Pprime

### This is the function to find max(abs(aprime - a))
@jit
def maxabs(vec1,vec2,n):
    themax = 0.
    curdiff = 0.
    for i in range(n):
        curdiff = vec1[i] - vec2[i]
        if curdiff < 0:
            curdiff *= -1
        if curdiff > themax:
            themax = curdiff
    return themax

### This is the main loop
diff = 1000.
while diff > 1e-2:
    Pprime = Piteration(P0.flatten(),  chii,  sig,  n,  xxer.flatten(), totalprod.flatten(), Gammerrats.flatten(),  Gammerchii)

    diff = maxabs(P0.flatten(),Pprime.flatten(),n)
    P0 = 1.*Pprime

Answer 1

当我为maxabs函数与np.max(np.abs(vec1 - vec2))计算形状(1200,)数组时，使用numba 0.32.0时，numba版本速度提高约2.6倍。

当您对代码计时时，请确保在计时之前运行一次功能，这样就不会包含jit代码所需的时间，而这只是您第一次付费。通常使用timeit并多次运行会解决此问题。我不确定你是怎么做的，因为我发现使用maxabs与numpy调用几乎没有区别，大多数运行时似乎都在调用Piteration。

可以在numpy.max（numpy.abs（a-b））上改进Cython / Numba编译函数吗？

1 个答案: