如果我正在使用类型化的内存视图，并且我想添加两个我使用这样的内存视图表示的向量，或者使用它们的点积或其他类似的向量，Cython是否希望我自己实现这些函数？
我对此没有任何问题，但是我想知道如果我正在忙于编写添加向量/乘以标量/点积等等，我是否做错了。靠我自己感觉就像反模式，但我不确定。
什么是正确的模式？
答案 0 :(得分：8)
如果您的代码在线性代数函数或向量化操作中花费了大量时间，那么它可能不是Cythonizing的一个很好的候选者。
numpy数组之间的Dot产品通常使用BLAS库调用来执行，这些调用已经非常高度优化，如果你尝试在Cython *中重新发明轮子，你几乎可以保证做得更差。类似地，基本的向量化操作（例如添加两个向量）对于numpy数组已经非常有效，尽管在某些情况下可能在Cython中做得更好（例如通过利用并行化或避免中间数组分配）。
Cython对于加速无法轻松矢量化的操作非常有用，否则您将不得不求助于Python for循环等。最好的方法通常是识别和Cython化这些瓶颈而不是试图在Cython中重写所有内容。
*话虽如此，通过将指针传递给数组中的第一个元素，可以直接在类型化的内存视图上调用BLAS或LAPACK函数（有关示例，请参阅here和here ）。
答案 1 :(得分：1)
请注意，您实际上可以将内存视图传递到大多数numpy函数中。当然你仍然支付Python调用开销，但如果内存视图很大，这可能是微不足道的。例如：
cdef double[:,:] A
# ... initialize A ...
x = np.sum(A)