我已经开始在 cython 中使用 memoryviews 来访问 numpy 数组。它们具有的各种优点之一是它们比旧的 numpy 缓冲区支持快得多: http://docs.cython.org/src/userguide/memoryviews.html#comparison-to-the-old-buffer-support
但是,我有一个示例,其中旧的 numpy 缓冲区支持比 memoryviews 更快! 怎么会这样?!我想知道我是否正确使用了内存 View ?
这是我的测试:
import numpy as np
cimport numpy as np
cimport cython
@cython.boundscheck(False)
@cython.wraparound(False)
cpdef np.ndarray[np.uint8_t, ndim=2] image_box1(np.ndarray[np.uint8_t, ndim=2] im,
np.ndarray[np.float64_t, ndim=1] pd,
int box_half_size):
cdef unsigned int p0 = <int>(pd[0] + 0.5)
cdef unsigned int p1 = <int>(pd[1] + 0.5)
cdef unsigned int top = p1 - box_half_size
cdef unsigned int left = p0 - box_half_size
cdef unsigned int bottom = p1 + box_half_size
cdef unsigned int right = p0 + box_half_size
cdef np.ndarray[np.uint8_t, ndim=2] box = im[top:bottom, left:right]
return box
@cython.boundscheck(False)
@cython.wraparound(False)
cpdef np.uint8_t[:, ::1] image_box2(np.uint8_t[:, ::1] im,
np.float64_t[:] pd,
int box_half_size):
cdef unsigned int p0 = <int>(pd[0] + 0.5)
cdef unsigned int p1 = <int>(pd[1] + 0.5)
cdef unsigned int top = p1 - box_half_size
cdef unsigned int left = p0 - box_half_size
cdef unsigned int bottom = p1 + box_half_size
cdef unsigned int right = p0 + box_half_size
cdef np.uint8_t[:, ::1] box = im[top:bottom, left:right]
return box
计时结果为:
image_box1:输入 numpy: 100000 次循环,最好的 3 次:每次循环 11.2 us
image_box2:内存 View : 100000 次循环,最好的 3 次:每次循环 18.1 us
这些测量是使用 %timeit image_box1(im, pd, box_half_size) 从 IPython 完成的
最佳答案
好的!我发现了问题。 正如 seberg 指出的那样,内存 View 看起来更慢,因为测量包括从 numpy 数组到内存 View 的自动转换。
我使用以下函数从 cython 模块中测量时间:
def test(params):
import timeit
im = params[0]
pd = params[1]
box_half_size = params[2]
t1 = timeit.Timer(lambda: image_box1(im, pd, box_half_size))
print 'image_box1: typed numpy:'
print min(t1.repeat(3, 10))
cdef np.uint8_t[:, ::1] im2 = im
cdef np.float64_t[:] pd2 = pd
t2 = timeit.Timer(lambda: image_box2(im2, pd2, box_half_size))
print 'image_box2: memoryview:'
print min(t2.repeat(3, 10))
结果:
image_box1:输入 numpy: 9.07607864065e-05
image_box2:内存 View : 5.81799904467e-05
所以内存 View 确实更快!
请注意,我在调用 image_box2 之前将 im 和 pd 转换为 memoryviews。如果我不做这一步,直接传 im 和 pd,那么 image_box2 比较慢:
image_box1:输入 numpy: 9.12262257771e-05
image_box2:内存 View : 0.000185245087778
关于python - cython memoryview 比预期慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12800121/