Question

以下代码模拟从一组图像中的不同位置提取二进制字。

下面的代码中的Numba包装函数wordcalc有两个问题：

与C ++中的类似实现相比，它慢了3倍。
最奇怪的是，如果你切换“ibase”和“ibit”for循环的顺序，速度会下降10倍（！）。这在C ++实现中不会发生，而C ++实现仍然不受影响。

我正在使用WinPython 2.7中的Numba 0.18.2

导致这种情况的原因是什么？

imDim = 80
numInsts = 10**4
numInstsSub = 10**4/4
bitsNum = 13;

Xs = np.random.rand(numInsts, imDim**2)       
iInstInds = np.array(range(numInsts)[::4])
baseInds = np.arange(imDim**2 - imDim*20 + 1)
ofst1 = np.random.randint(0, imDim*20, bitsNum)
ofst2 = np.random.randint(0, imDim*20, bitsNum)

@nb.jit(nopython=True)
def wordcalc(Xs, iInstInds, baseInds, ofst, bitsNum, newXz):
    count = 0
    for i in iInstInds:
        Xi = Xs[i]        
        for ibit in range(bitsNum):
            for ibase in range(baseInds.shape[0]):                    
                u = Xi[baseInds[ibase] + ofst[0, ibit]] > Xi[baseInds[ibase] + ofst[1, ibit]]
                newXz[count, ibase] = newXz[count, ibase] | np.uint16(u * (2**ibit))
        count += 1
    return newXz

ret = wordcalc(Xs, iInstInds, baseInds, np.array([ofst1, ofst2]), bitsNum, np.zeros((iInstInds.size, baseInds.size), dtype=np.uint16))

Answer 1

通过从np.uint16(u * (2**ibit))更改为np.uint16(u << ibit)，我获得了4倍的加速;即用比特移位替换2的幂，这应该是等价的（对于整数）。

您的C ++编译器本身可能很有可能进行此替换。

交换两个循环的顺序对我的原始版本（5％）和我的优化版本（15％）都有一点不同，所以我不能认为我可以对此做出有用的评论

如果你真的想比较Numba和C ++，你可以在导入Numba之前通过os.environ['NUMBA_DUMP_ASSEMBLY']='1'查看已编译的Numba函数。（虽然这显然非常复杂）。

作为参考，我使用的是Numba 0.19.1。

Numba函数比C ++慢，循环重新排序进一步减慢x10

1 个答案: