以下代码模拟从一组图像中不同位置提取二进制词。
下面的代码中,Numba包装的函数wordcalc有2个问题:
1.与类似的C++实现相比,速度慢了3倍。
2.最奇怪的是,如果您交换“ibase”和“ibit” for循环的顺序,则速度会降低10倍(!)。这在不受影响的C++实现中不会发生。
我正在使用来自WinPython 2.7的Numba 0.18.2
这是什么原因?
下面的代码中,Numba包装的函数wordcalc有2个问题:
1.与类似的C++实现相比,速度慢了3倍。
2.最奇怪的是,如果您交换“ibase”和“ibit” for循环的顺序,则速度会降低10倍(!)。这在不受影响的C++实现中不会发生。
我正在使用来自WinPython 2.7的Numba 0.18.2
这是什么原因?
imDim = 80
numInsts = 10**4
numInstsSub = 10**4/4
bitsNum = 13;
Xs = np.random.rand(numInsts, imDim**2)
iInstInds = np.array(range(numInsts)[::4])
baseInds = np.arange(imDim**2 - imDim*20 + 1)
ofst1 = np.random.randint(0, imDim*20, bitsNum)
ofst2 = np.random.randint(0, imDim*20, bitsNum)
@nb.jit(nopython=True)
def wordcalc(Xs, iInstInds, baseInds, ofst, bitsNum, newXz):
count = 0
for i in iInstInds:
Xi = Xs[i]
for ibit in range(bitsNum):
for ibase in range(baseInds.shape[0]):
u = Xi[baseInds[ibase] + ofst[0, ibit]] > Xi[baseInds[ibase] + ofst[1, ibit]]
newXz[count, ibase] = newXz[count, ibase] | np.uint16(u * (2**ibit))
count += 1
return newXz
ret = wordcalc(Xs, iInstInds, baseInds, np.array([ofst1, ofst2]), bitsNum, np.zeros((iInstInds.size, baseInds.size), dtype=np.uint16))