Cython 在 CPython+NumPy 上没有速度提升答案

【问题标题】：No speed gain with Cython over CPython+NumPyCython 在 CPython+NumPy 上没有速度提升
【发布时间】：2013-05-22 20:57:19
【问题描述】：

对于 uni assignment，我在 MATLAB 中编写了一个 2D 方域流求解器。为了学习 Python，我将 MATLAB 代码转换为 Python。我使用 NumPy 进行所有矩阵向量乘法，并使用 scipy.sparse.linalg.spsolve() 求解 Ax=b，其中 A 为 40x40 且稀疏。

最后我对求解器的速度不太满意。所以我使用 Spyder 中包含的分析器来追踪瓶颈。事实证明，除了系统求解（使用上述方法）之外，所有线性代数运算都非常快。这并不奇怪，因为求解一个系统总是比仅仅乘以一些向量和矩阵更昂贵。

我求助于 Cython 来加速我的求解器。我读了http://wiki.cython.org/tutorials/numpy，然后给每个变量一个静态类型，我搞砸了（是的，我知道这不是最聪明或最有效的方法，但我急于看到结果，之后会做适当的工作）。我唯一没有给出静态类型的是稀疏矩阵 A，因为它是 CSR 稀疏矩阵，我还不知道如何对其进行静态类型。是的，我知道这是最关键的部分，因为分析表明系统解决了瓶颈。

在最终设法用 Cython 编译所有内容后，结果与没有 Cython 的结果完全相同......我明白 Cython 的性能提升不会很大，因为我没有解决瓶颈，但是我不明白为什么Cython 版本的运行速度甚至没有提高 1%。

有人可以帮助我从 Cython 中受益吗？如何让我的代码运行得更快？我应该如何给 scipy 的 CSR 稀疏矩阵一个静态类型？

我的代码可以使用这个 google drive 链接下载： https://docs.google.com/file/d/0B-nchNKLtgjeWTE4OXZrVUpfcWs/edit?usp=sharing

【问题讨论】：

如果你要编写 你自己的 spsolve，Cython 会真的很有帮助，这在某种程度上比 sparse.linalg.spsolve 快。否则，99% 调用 numpy/scipy 的程序不会从 Cython 本身中受益。

标签： python numpy scipy linear-algebra cython

【解决方案1】：

因为大多数 Numpy 代码已经用 C 编写。C 代码当然不会从 Cython 中受益。

如果它运行得太慢，你应该怀疑你的算法。

看看here 比较不同的python加速方式。

【讨论】：

查看您提供的网址，您实际上发现 Cython 版本比 NumPy 版本运行得更快。尽管在 Cython 版本中使用了 NumPy 数组，但它们省略了切片，而是在 NumPy 数组上使用嵌套循环。我的代码是否可以从使用 Cython+NumPy 的切片切换到循环中受益，就像在 url 中一样？
啊，太好了，这实际上可能会有所帮助，尽管收益并不大。

【解决方案2】：

因为你没有解决瓶颈。

在我看来，您现在所做的只是让对 NumPy 的方法调用更快一点。这只有在您对 NumPy 进行很多次调用时才会有所帮助，但您说这不是瓶颈所在。

Cython 使您能够加速 Python 代码。它不会帮助您加快 NumPy 代码的速度。

【讨论】：