Question

我真的不知道如何提出这个问题，但我会尽量保持清醒。

我正在计算来自python的C ++函数调用。 C ++函数包含在cython中。我目前正在计时cython函数的python调用，我使用time.time()得到52.9毫秒。另一方面，我使用C ++ std::chrono::high_resolution_clock库计算整个C ++函数。

问题是，我用C ++测量了17.1 ms。

C ++函数声明为vector<float> cppfunc(vector<float> array, int a, int b, int c);，是一个A类方法。

cython代码只调用C ++类方法。该向量包含大约320k个元素。

我想知道这两个测量时间是否可以这样比较？如果可以，有什么可以解释这个差距？如果没有，我应该使用哪种计时工具？

Edit1：（评论中的链接）两个计时库对于我的用例来说足够精确（我的拱门上的cpp为10e-9，python为10e-6）。

Edit2：添加了简化代码来说明我的观点。使用此代码，python调用持续时间（~210ms）是实习生cpp持续时间的8倍（~28ms）。

// example.cpp
#include "example.h"
#include <iostream>
#include <chrono>

std::vector<float> wrapped_function(std::vector<float> array)
{
    auto start = std::chrono::high_resolution_clock::now();
    std::vector<float> result;
    for (int i = 0; i < (int) array.size(); i++) {
        result.push_back(array[i] / 1.1);
    }
    auto end = std::chrono::high_resolution_clock::now();
    std::chrono::duration<float> duration = end - start;
    printf("Within duration: %.5f\n", duration.count());
    return result;
}


// example.h
#ifndef __EXAMPLE_H_
#define __EXAMPLE_H_
#include <vector>
std::vector<float> wrapped_function(std::vector<float> array);
#endif


# example_wrapper.pxd
from libcpp.vector cimport vector
cdef extern from "example.h":
    vector[float] wrapped_function(vector[float])


# example_wrapper.pyx
from example_wrapper cimport wrapped_function
def cython_wrap(array):
    return wrapped_function(array)


# setup.py
from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext
setup(
      cmdclass = {"build_ext": build_ext},
      ext_modules = [
            Extension(name="example_wrapper",
                      sources=["example_wrapper.pyx", "example.cpp"],
                      include_dirs=["/home/SO/"],
                      language="c++",
                      extra_compile_args=["-O3", "-Wall", "-std=c++11"]
                      )
            ]
)


# test.py
import example_wrapper
from time import time

array = [i for i in range(1000000)]
t0 = time()
result = example_wrapper.cython_wrap(array)
t1 = time()
print("Wrapped duration: {}".format(t1 - t0))

Answer 1

显然，差异来自于cython开销，但为什么它如此之大？

包裹函数的调用比眼睛更复杂：

def cython_wrap(array):
       return wrapped_function(array)

array是一个整数列表，wrapped_function期望浮点数向量，因此cython会自动创建一个向量并用列表中的值填充它。

wrapped_function返回浮点数向量，但为了被python使用，它必须转换为python-list。再次，cython会自动创建一个python-list，并使用python-floats填充它，这些浮点数构建成本非常高，并且对应于返回向量中的浮点数。

正如您所看到的，正在进行大量复制，这解释了您正在观察的开销。

Here是从c ++ - containers转换为python时cython自动应用的一套规则。

另一个问题：您按值传递向量array，因此必须复制它。你的c ++代码时间不包括这种复制，因此有点不公平。

你应该通过const-reference传递向量，即

... wrapped_function(const std::vector<float> &array)

还有一件事：你返回一个可能被复制的向量，这个复制时间再次不包含在你的c ++ - 时序中。但是，所有现代编译器都应用返回值优化，因此这不是问题。

用cython包装的C ++函数的时序

1 个答案: