这可能是一个相当普遍的问题，我试图使基于python的科学计算代码适应实时执行。现在，保守地说，单线程实现对于实时处理执行的速度大约是1000倍。但是，我不确定提高性能的下一步是什么。
我已经完成了明显的事情。所有繁重的工作都是通过numpy数组计算或使用Cython内置的模块完成的。大约50％的时间用于计算FFT和进行数组乘法，另外50％用于Cython例程。 Cython程序本身并不完美，但它们也不是太糟糕。我还对代码进行了描述，以确保其他一些不那么重要的例程不会占用比我想象的更多的时间。
好消息是代码很容易适应并行处理。我实际上已经使用python进程完成了这项工作，它几乎可以线性扩展到计算机中的CPU核心数。但是，这只能让我大约提高20倍的速度。
那么，我从哪里开始呢？在C中将代码重写为Python模块，可能直接使用Cpython API？完全放弃Python的其他语言？尝试使用PyCUDA或openCL实现代码？还有其他什么呢？