我最近用python编写了一个耗时的程序,并决定使用fortran重写最耗时的部分。
然而,用f2py包装的fortran代码比python代码慢,有人能告诉我如何找到这里发生的事情吗?
供参考,这是python函数:
def iterative_method(alpha0, beta0, epsilon0, epsilons0, omega, smearing=0.01, precision=0.01, max_step=20, flag=0):
# alpha0, beta0, epsilon0, epsilons0 are numpy arrays
m, n = np.shape(epsilon0)
Omega = np.eye(m, dtype=np.complex) * (omega + smearing * 1j)
green = LA.inv(Omega - epsilon0) # LA is numpy.linalg
alpha = np.dot(alpha0, np.dot(green, alpha0))
beta = np.dot(beta0, np.dot(green, beta0))
epsilon = epsilon0 + np.dot(alpha0, np.dot(green, beta0)) + np.dot(beta0, np.dot(green, alpha0))
epsilons = epsilons0 + np.dot(alpha0, np.dot(green, beta0))
while np.max(np.abs(alpha0)) > precision and np.max(np.abs(beta0)) > precision and flag < max_step:
flag += 1
return iterative_method(alpha, beta, epsilon, epsilons, omega, smearing, precision, min_step, max_step, flag)
return epsilon, epsilons, flag
相应的fortran代码是
SUBROUTINE iterate(eout, esout, alpha, beta, e, es, omega, smearing, prec, max_step, rank)
INTEGER, PARAMETER :: dp = kind(1.0d0)
REAL(kind=dp) :: omega, smearing, prec
INTEGER :: max_step, step, rank, cnt
COMPLEX(kind=dp) :: alpha(rank,rank), beta(rank,rank), omega_mat(rank, rank),&
green(rank, rank), e(rank,rank), es(rank,rank)
COMPLEX(kind=dp), INTENT(out) :: eout(rank, rank), esout(rank, rank)
step = 0
omega_mat = 0
DO cnt=1, rank
omega_mat(cnt, cnt) = 1.0_dp
ENDDO
omega_mat = omega_mat * (omega + (0.0_dp, 1.0_dp) * smearing)
DO WHILE (maxval(abs(alpha)) .gt. prec .or. maxval(abs(beta)) .gt. prec .and. step .lt. max_step)
green = zInverse(rank, omega_mat - e) ! zInverse is calling lapack to compute inverse of the matrix
e = e + matmul(alpha, matmul(green, beta)) + matmul(beta, matmul(green, alpha))
es = es + matmul(alpha, matmul(green, beta))
alpha = matmul(alpha, matmul(green, alpha))
beta = matmul(beta, matmul(green, beta))
step = step + 1
ENDDO
print *, step
eout = e
esout = es
END SUBROUTINE iterate
在测试中,python代码使用大约5秒,而fortran代码使用大约7秒,这是难以接受的。另外,我很难看到fortran代码中的任何开销。包裹物是否应该受到指责?
修改:我没有将BlAS
用于matmul
。使用BLAS
后,fortran和python性能都是5秒左右。
答案 0 :(得分:2)
首先,对python代码执行this,以便确切知道它是如何花费时间的。 然后,如果您愿意,可以使用调试器在Fortran代码上执行类似的操作。
我怀疑基本上所有时间进入矩阵运算,因此任何速度差异都是由于数学库,而不是调用它的语言。 This post传达了我的一些经验。 通常,诸如矩阵乘法,逆或Cholesky变换之类的例程被设计为在大矩阵上有效,但不是很小。
例如,LAPACK矩阵乘法例程DGEMM有两个字符参数TRANSA和TRANSB,它们可以是大写或小写,指定是否转置每个输入矩阵。 为了检查这些参数的值,它调用一个函数LSAME。 我发现,如果我花费大部分时间乘以小矩阵,比如4x4,那么程序实际上几乎所有时间都在调用LSAME,并且实际上很少有时间乘以矩阵。 您可以看到如何轻松解决这个问题。