使用Cython而不是CPython + NumPy没有速度提升

Question

对于单一分配，我在MATLAB中编写了一个2D平方域流求解器。为了研究Python，我已经将MATLAB代码转换为Python。我使用NumPy进行所有矩阵向量乘法，我使用scipy.sparse.linalg.spsolve（）来求解Ax = b，其中A是40x40且稀疏。

最后，我对解算器的速度并不太满意。因此，我使用Spyder中包含的分析器来追踪瓶颈。基本上，除了系统求解（使用上述方法）之外，所有线性代数运算都非常快。这并不奇怪，因为解决系统总是比仅增加一些向量和矩阵更昂贵。

我转向Cython来加速我的求解器。我读了http://wiki.cython.org/tutorials/numpy并且通过给每个变量一个静态类型（我知道这不是最聪明或最有效的方式，但是我急于看到结果并且之后会做适当的工作）而变得混乱）。我唯一没有给出静态类型的是稀疏矩阵A，因为它是一个CSR稀疏矩阵，我还不知道如何静态输入它。是的，我知道这是最重要的部分，因为分析表明系统解决了瓶颈。

在最终使用Cython编译所有内容之后，结果与没有Cython的结果完全相同...我明白Cython的性能提升不会很好，因为我没有解决瓶颈问题，但是我不明白为什么Cython版本的运行速度甚至只提高了1％。

有人可以帮助我从Cython中受益吗？如何让我的代码运行得更快？我应该如何从scipy静态类型中提供CSR稀疏矩阵？

我的代码可以使用此google云端硬盘链接下载： https://docs.google.com/file/d/0B-nchNKLtgjeWTE4OXZrVUpfcWs/edit?usp=sharing

Answer 1

因为你没有解决瓶颈问题。

听起来我现在所做的就是让方法调用NumPy更快一些。只有当您对NumPy进行批次调用时，这才会有所帮助，但您说这不是瓶颈对您而言。

Cython使您能够加速Python代码。它无助于您加速NumPy代码。

Answer 2

因为大多数Numpy代码已经用C编写。当然，C代码不会从Cython中受益。

如果它运行得太慢，你应该怀疑你的算法。

看看here，以便比较加速python的不同方法。