Question

我正在尝试通过在Cython中实现它来优化Python算法。我的问题是关于以下代码中存在的某个性能瓶颈：

@cython.boundscheck(False) # turn off bounds-checking for entire function
def anglesToRGB( np.ndarray[double, ndim=2] y, np.ndarray[double, ndim=2] x ):

cdef double angle
cdef double Hp
cdef double C
cdef double X
cdef np.ndarray[double, ndim=3] res = np.zeros([y.shape[0], y.shape[1], 3], dtype=np.float64)

for i in xrange(y.shape[0]):
    for j in xrange(y.shape[1]):
        angle = atan2( y[i,j], x[i,j] )*180.0/PI+180

        C = sqrt(pow(y[i,j],2)+pow(x[i,j],2))/360.0 #Chroma
        Hp = angle/60.0
        X = C*(1-fabs( Hp%2-1))

        C *= 255
        X *= 255

        if (0. <= Hp < 1.):
            res[i,j,:] = [C,X,0]
        elif (1. <= Hp < 2.):
            res[i,j,:] = [X,C,0]
        elif (2. <= Hp < 3.):
            res[i,j,:] = [0,C,X]
        elif (3. <= Hp < 4.):
            res[i,j,:] = [0,X,C]
        elif (4. <= Hp < 5.):
            res[i,j,:] = [X,C,C]
        else:
            res[i,j,:] = [C,0,X]

return res

我已经确定了当我为res数组的一个片段分配值列表时的主要瓶颈，喜欢

res[i,j,:] = [C,X,0]

但是，如果我将作业更改为

res[i,j,0] = C
res[i,j,1] = X
res[i,j,2] = 0

然后代码运行速度提高了几个数量级。对我来说这很奇怪，因为Cython编译器必须足够聪明才能为我做到这一点？或者我是否需要首先提供一些提示？我应该注意到，将切片更改为0：3而不是：并且将值列表设置为numpy数组并不会提高性能。

我想知道的是为什么这个操作如此糟糕地杀死性能，如果有任何方法可以解决它而不必牺牲方便的列表和切片符号。

祝你好运

Answer 1

Nope，Cython（用0.17测试）不够聪明，无法优化此切片分配。如果您查看生成的C代码（使用cython -a并单击HTML报告中的任意行以查看生成的代码），那么您可以看到

res[i,j,:] = [C,X,0]

编译为

C和Python浮点类型之间的转换
分配列表[C,X,0]
分配元组(i, j, slice(None))
致电res.__setitem__
对所有这些
释放已分配的结构

即，几乎所有CPython都会执行相同的操作来执行此代码。

你可以做些什么来解决这个问题：

声明三个变量，例如cdef double v1, v2, v3;
在条件中分配这些内容，例如v1, v2, v3 = C, X, 0等，这些内容针对三个C分配进行了优化;
在条件阻止之后，将v1, v2, v3分配给res[i,j,0]等，分别进行三次分配。

为数组切片分配值很慢

1 个答案: