Cython:转置内存视图

时间:2016-05-14 12:44:04

标签: python c++ numpy cython conv-neural-network

该问题的一些背景知识:

我正在尝试优化自定义神经网络代码。 它在很大程度上依赖于循环,我决定使用cython来加速计算。

我按照常用的在线提示:使用适当的cdef声明所有局部变量,并关闭boundscheck和nonecheck。这几乎没有给我10%的表现。

好吧,我的代码依赖于很多类成员。因此我决定将整个类转换为cdef类。事实证明,cython不允许将numpy ndarrays作为类成员的类型。相反,必须使用内存视图。 不幸的是,这两种类型似乎非常不相容。

我已经遇到过这个问题:Cython memoryview transpose: Typeerror

总结一下:您可以将np.ndarray存储在内存视图中。您可以转置它并将返回的数组存储在memview中。但是,如果该memview是一个类成员。然后你必须创建一个中间memview,将结果存储在那里并将中间memview分配给类成员。

这是代码(非常感谢DavidW)

def double[:,:,:,:] temporary_view_of_transpose

# temporary_view_of_transpose now "looks at" the memory allocated by transpose
# no square brackets!
temporary_view_of_transpose = out_image.transpose(1, 0, 2, 3)

# data is copied from temporary_view_of_transpose to self.y
self.y[...] = temporary_view_of_transpose # (remembering that self.y must be the correct shape before this assignment).

现在我遇到了一个新问题。 上面的代码来自所谓的“前向传递”。还有一个相应的反向传递,它向后进行所有计算(对于分析梯度)。

这意味着对于向后传递,我必须转置内存视图并将其存储在一个numpy数组中:

cdef np.ndarray[DTYPE_t, ndim=4] d_out_image = self.d_y.transpose(1, 0, 2,3)

d_y必须是类成员,因此它必须是一个内存视图。 Memoryviews不允许转置。他们有.T方法,但这对我没有帮助。

实际问题:

  • 如何正确存储numpy数组作为cdef类的类成员?
  • 如果答案是:“作为记忆视图”,我该如何转置记忆视图?

1 个答案:

答案 0 :(得分:3)

我认为最好的答案是"你将numpy存储为无类型的python对象"

cdef class C:
    cdef object array

    def example_function(self):
        # if you want to use the fast Cython array indexing in a function
        # you can do:
        cdef np.ndarray[np.float64_t,ndim=4] self_array = self.array
        # or
        cdef np.float64_t[:,:,:,:] self_array2 = self.array

        # note that neither of these are copies - they're references
        # to exactly the same array and so if you modify one it'll modify
        # self.array too

    def function2(self):
        return self.array.transpose(1,0,2,3) # works fine!

这样做的小成本是在example_function的开头有一些类型检查来检查它实际上是一个具有正确dtype的4D numpy数组。如果你在函数中做了大量的工作并不重要。

作为替代方案(如果您确定要将它们存储为内存视图),您可以use np.asarray to convert it back to a numpy array without making a copy(即他们共享数据)。

e.g。

cdef np.ndarray[DTYPE_t, ndim=4] d_out_image = np.asarray(self.d_y).transpose(1, 0, 2,3)