Cython内存视图比预期慢

Question

Cython内存视图比预期慢

4

我开始在Cython中使用memoryviews来访问NumPy数组。它们有很多优点，其中一个是比旧的NumPy缓冲区支持要快得多： http://docs.cython.org/src/userguide/memoryviews.html#comparison-to-the-old-buffer-support 然而，在我的一个例子中，旧的NumPy缓冲区支持比memoryviews更快！这怎么可能？我想知道我是否正确地使用了memoryviews？

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

时间测试结果如下：

image_box1：使用numpy： 100000次循环，3次最佳结果：每次循环耗时11.2微秒

image_box2：使用memoryview： 100000次循环，3次最佳结果：每次循环耗时18.1微秒

这些测量是在IPython中使用%timeit image_box1(im, pd, box_half_size)进行的。

- martinako

1

我猜你是从Python计时这些函数的吧？因此第二个函数的返回值也是一个np.ndarray（我猜），这可能已经解释了减速的原因，因为制作np.ndarray需要一些额外的工作，在这里整体上没有做太多事情。 - seberg

是的，我使用IPython命令计时：％timeit image_box1（im，pd，box_half_size）我刚刚编辑了我的问题，包括来自cython的计时。 memoryviews仍然较慢！ - martinako

更正！你是对的，延迟在于从numpy数组转换为memoryview的过程中！ - martinako

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- martinako · Accepted Answer

好的！我找到了问题。正如seberg所指出的那样，由于测量包括从numpy数组自动转换为memoryview，因此memoryviews看起来比较慢。

我使用以下函数在cython模块内部测量时间：

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：

图像框1：已输入的numpy： 9.07607864065e-05

图像框2：memoryview： 5.81799904467e-05

因此，memoryviews确实更快！

请注意，在调用image_box2之前，我将im和pd转换为memoryviews。如果我不执行此步骤并直接传递im和pd，则image_box2会变慢：

图像框1：已输入的numpy： 9.12262257771e-05

图像框2：memoryview： 0.000185245087778