我正在尝试使用 Cython 加速以下代码。从 python 导入两个参数:
processing_times:包含 500 个列表,每个列表包含 20 个整数 (500x20)。
序列:包含 500 个整数的列表。
cimport cython
@cython.boundscheck(False)
@cython.wraparound(False)
cpdef taillard_acceleration(sequence, processing_times, int job_inserted, int num_machines):
# Static arrays - number of jobs limited to 500 jobs and 20 machines
cdef int e[501][21]
cdef int q[501][21]
cdef int f[501][21]
cdef int ms[501]
# Variables
cdef int sequence_length, best_makespan, best_position
cdef int i, j, iq, jq, tmp
# Initialize some values
sequence_length = len(sequence)
iq = sequence_length + 1
for i in range(1, sequence_length + 2):
if i < sequence_length + 1:
e[i][0] = 0
# Q index I
iq = iq - 1
q[iq][num_machines + 1] = 0
f[i][0] = 0
jq = num_machines + 1
for j in range(1, num_machines + 1):
if i == 1:
e[0][j] = 0
q[sequence_length + 1][num_machines + 1 - j] = 0
if i < sequence_length + 1:
# Q Index J
jq = jq - 1
if e[i][j - 1] > e[i - 1][j]:
e[i][j] = e[i][j - 1] + processing_times[sequence[i - 1]-1][j-1]
else:
e[i][j] = e[i - 1][j] + processing_times[sequence[i - 1]-1][j-1]
if q[iq][jq + 1] > q[iq + 1][jq]:
q[iq][jq] = q[iq][jq + 1] + processing_times[sequence[iq - 1]-1][jq-1]
else:
q[iq][jq] = q[iq + 1][jq] + processing_times[sequence[iq - 1]-1][jq-1]
# f(ij) = max {f(i, j-1), e(i-1, j)}
if f[i][j - 1] > e[i - 1][j]:
f[i][j] = f[i][j - 1] + processing_times[job_inserted-1][j-1]
else:
f[i][j] = e[i - 1][j] + processing_times[job_inserted-1][j-1]
# Makespam - job k in position i
best_makespan = 0
best_position = 0
for i in range(1, sequence_length + 2):
ms[i] = 0
for j in range(1, num_machines + 1):
tmp = f[i][j] + q[i][j]
if tmp > ms[i]:
ms[i] = tmp
# Check best insertion position
if ms[i] < best_makespan or best_makespan == 0:
best_makespan = ms[i]
best_position = i
return best_position, best_makespan
与原始 Python 代码相比,我能够将处理速度加快 4 倍:
Just Python: 0.04114614830813535
With Cython: 0.00937230621550278
Cython is 4.390183948543561 times faster
如何在此代码中获得更好的速度提升?
我已经尝试将sequence和processing_times转换为外部的numpy数组,然后使用内存 View ,但我没有得到任何改进。
cpdef taillard_acceleration(sequence_np, processing_times_np, int job_inserted, int num_machines):
# memory view
cdef int [:, :] processing_times = processing_times_np
cdef int [:] sequence = sequence_np
我还应该对 q、e、f、ms 数组使用 malloc 吗?第一次使用 Cython,所以我不知道我这样做是否正确。非常感谢任何帮助。
最佳答案
大部分内容看起来都输入正确,因此您不太可能获得巨大的改进。未输入的主要内容是 sequence
和processing_times
。您应该制作这些内存 View :
def taillard_acceleration(int[:] sequence, int[:,:] processing_times, int job_inserted, int num_machines):
我知道您已经尝试过此操作,但是您还应该将其索引更改为 processing_times[i,j]
的形式(而不是 processing_times[i][j]
)。您正在做的事情会创建一个 1D 内存 View 作为临时对象,这可能会慢一些。
对于q
, e
, f
,和ms
数组:如果您愿意重新编译以更改大小,那么您现在所做的绝对没问题。如果您认为可能想在运行时更改大小,那么您应该在运行时分配它们。您可以使用malloc
但我会用:
cdef int[:,::1] e = np.zeros((501,21))
([:,::1]
告诉 Cython 该数组是二维且连续的)。像这样使用 numpy 会比 malloc
慢稍微 ,但它也更容易,而且出错的可能性也更小。如果您这样做,请将它们的索引更改为 e[i,j]
如上所述。
(看起来它们的大小确实应该是 sequency_length
乘 num_machines
所以运行时大小可能是一个好主意)
关于python - Cython:加速简单代码,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47963417/