Question

我的代码运行得太慢了。

 returnMask = []
 for curPage in range(numPages):
    print curPage
    curPageAddr = curPage + startPage
    cumMask = np.ones((numBytes)).astype(int) * 0xff 
    for maskFunction, maskAction in maskPattern:
            #maskArgs['funcArgs']['startPage'] = curPageAddr
            #maskArgs['funcArgs']['numPages'] = 1
            inputArgs['funcArgs']['startPage'] = curPageAddr
            inputArgs['funcArgs']['numPages'] = 1
            curMaskName, curMaskData = maskFunction(inputArgs)
            if (maskAction == 'include'):
                    maskIn = np.array(curMaskData).astype(int)
            if (maskAction == 'exclude'):
                    maskIn = (~np.array(curMaskData).astype(int)) & 0xff
            cumMask = cumMask & maskIn
    print "cumMask size %d" % len(cumMask)
    returnMask += cumMask.astype(int).tolist()

基本上，我的外部for循环循环2000次，每次都将一个2048字节的列表附加到returnMask中。我以为我可以使用Cython，将returnMask更改为动态分配的c数组，这可能有助于加快我的代码。谁能告诉我这是否是解决这个问题的好方法？

Answer 1

很难说 - 它有多慢（以秒为单位）？

我的第一个猜测是你的maskFunction一直在服用。

其次，np.array().astype()将两个都很慢的函数链接在一起，并且运行~是第三个函数。然后你的外圈有astype和tolist，它们都很慢。在Cython中做这些事情是你真正看到改进的地方。

我真的怀疑range和print正在占用大量时间。

您是否测量过瓶颈？我通常会围绕各种函数进行一些time.time()调用，并在整个循环中进行平均调整：

dt = np.zeros( (len(loop),) )
for i in loop:
    t = time.time()
    slow_function()
    dt[i] = time.time() - t
print "avg. time for slow_function was %.3f s" % dt.mean()

使用Cython进行动态内存分配

1 个答案: