Question

作为物理计算的一部分，我从csv文件加载一个电场值列表，并将它们传递给Cython函数进行集成。这不是文件中值的简单求和，但需要在集成的每个步骤重新计算某个参数。通过重新组织代码，并将最慢的部分移动到Cython，我已经实现了速度的显着提升，但我怀疑还有进一步的优化可以做到。

这是我想加速的Cython功能：

import numpy as np
cimport numpy as np
DTYPE = np.float
ctypedef np.float_t DTYPE_t
cdef float m = 938272046
cdef float c = 299792458
cimport cython

@cython.boundscheck(False)
def ELTintegration(float xelmax, float deltaT, float phi, float omega, 
                np.ndarray[DTYPE_t] zExtract, np.ndarray[DTYPE_t] EzExtract, float KEin):
    cdef float integ = 0 
    cdef float xelmax_deltaT = xelmax * deltaT
    cdef unsigned int i, loopLen=len(EzExtract)
    cdef float v
    cdef float z, Ez, phaseTerm, diff
    cdef float newE, gamma, beta
    for i in range(len(EzExtract)):
        z = zExtract[i]
        Ez = EzExtract[i]
        newE = KEin + integ
        gamma = newE/m + 1 
        beta = (1 - 1/gamma**2)**0.5
        v = beta * c 
        phaseTerm = np.cos(omega*z/v + phi)
        diff = phaseTerm * Ez * xelmax_deltaT
        integ = integ + diff

    return integ

每个ndarray都是一维的，包含~4000个浮点数。

正如你所看到的，我已经声明了我使用的所有变量，关闭了边界检查，使数组索引有效，并将所有必要的计算从循环中拉出来。

我是否达到了我可以合理地加速的极限？在实现更高效的功能方面，我有什么遗漏？认为我可以用另一个因子来加速这个因素是否现实？

感谢阅读。

Answer 1

Tim Pietzcker是对的，它更适合Code Review，但它在这里几乎也是主题，所以我会选择它。

如果你跑

cython -a myfile.pyx

你会看到黄色。通常，但并非总是如此，黄色意味着缓慢。最重要的黄色是np.cos电话。这将是非常缓慢的，因为您正在通过Python并进行大量的类型创建来完成它。

使用

from libc.math cimport cos

将允许您使用C {＃1}}，这将更快。

还有一些检查除以零和分裂的符号。将compiler directive cos转为cdivision可以避免这些问题。

请注意，使用Numpy数组的现代方法是使用memoryview语法（例如。True用于类型DTYPE_t[:]的1D内存视图。）

另请注意，在普通Python代码上使用DTYPE_t和numba可能会更好甚至更好。 autojit会做出疯狂的事情。

加速Cython中的数值集成

1 个答案: