从生成代码用Cython SIMD指令从生成代码用Cython SIMD指令(Generating

我需要的性能可以从高性能数字代码使用用Cython得到的概述。其中一个我感兴趣的事情是找出是否一个优化的C编译器可以通过矢量化产生用Cython代码。所以我决定写下面的小例子：

import numpy as np
cimport numpy as np
cimport cython

@cython.boundscheck(False)
@cython.wraparound(False)
cpdef int f(np.ndarray[int, ndim = 1] f):
    cdef int array_length =  f.shape[0]
    cdef int sum = 0
    cdef int k
    for k in range(array_length):
        sum += f[k]
    return sum

我知道有，没有工作numpy的功能，但我想有一个简单的代码，以便了解什么是可能的用Cython。事实证明，与生成的代码：

from distutils.core import setup
from Cython.Build import cythonize

setup(ext_modules = cythonize("sum.pyx"))

并呼吁有：

python setup.py build_ext --inplace

生成的C代码看起来喜欢此为循环：

for (__pyx_t_2 = 0; __pyx_t_2 < __pyx_t_1; __pyx_t_2 += 1) {
  __pyx_v_sum = __pyx_v_sum + (*(int *)((char *) 
    __pyx_pybuffernd_f.rcbuffer->pybuffer.buf +
    __pyx_t_2 * __pyx_pybuffernd_f.diminfo[0].strides)));
}

与此代码的主要问题是，编译器不知道在编译时该__pyx_pybuffernd_f.diminfo[0].strides使得数组的元素是靠近在一起在存储器中。如果没有这些信息，编译器不能有效地量化。

有没有办法做这样的事情，从用Cython？

你在你的代码的两个问题（使用选项-a以使其可见）：

numpy的阵列的索引是不高效的
你已经忘记int在cdef sum=0

考虑到这一点，我们得到：

cpdef int f(np.ndarray[np.int_t] f):  ##HERE
    assert f.dtype == np.int
    cdef int array_length =  f.shape[0]
    cdef int sum = 0                  ##HERE
    cdef int k
    for k in range(array_length):
        sum += f[k]
    return sum

对于循环下面的代码：

int __pyx_t_5;
int __pyx_t_6;
Py_ssize_t __pyx_t_7;
....
__pyx_t_5 = __pyx_v_array_length;
for (__pyx_t_6 = 0; __pyx_t_6 < __pyx_t_5; __pyx_t_6+=1) {
   __pyx_v_k = __pyx_t_6;
   __pyx_t_7 = __pyx_v_k;
   __pyx_v_sum = (__pyx_v_sum + (*__Pyx_BufPtrStrided1d(__pyx_t_5numpy_int_t *, __pyx_pybuffernd_f.rcbuffer->pybuffer.buf, __pyx_t_7, __pyx_pybuffernd_f.diminfo[0].strides)));

}

这并不坏，但不是那么容易的优化为人类写的正常码。正如我们已经指出的那样， __pyx_pybuffernd_f.diminfo[0].strides在编译时已知，这可以防止量化。

然而，你会得到更好的效果，使用时输入内存的观点，即：

cpdef int mf(int[::1] f):
    cdef int array_length =  len(f)
...

这导致了更少的不透明的C代码 - 的人，至少我的编译器，可以更好地优化：

 __pyx_t_2 = __pyx_v_array_length;
  for (__pyx_t_3 = 0; __pyx_t_3 < __pyx_t_2; __pyx_t_3+=1) {
    __pyx_v_k = __pyx_t_3;
    __pyx_t_4 = __pyx_v_k;
    __pyx_v_sum = (__pyx_v_sum + (*((int *) ( /* dim=0 */ ((char *) (((int *) __pyx_v_f.data) + __pyx_t_4)) ))));
  }

这里最关键的是，我们要明确的用Cython，该内存是连续的，即int[::1]相比， int[:] ，因为它被视作numpy的阵列，为此可能stride!=1必须被考虑在内。

在这种情况下，在所述用Cython生成的C语言代码的结果相同汇编作为代码我会写。作为crisb指出，加入-march=native会导致量化，但在这种情况下，这两个功能汇编将再次略有不同。

但是，根据我的经验，编制者往往存在一些问题，以优化通过用Cython创建的循环和/或更容易错过任何一个细节，防止真正优秀的C代码生成。所以，我的工薪马循环策略是把它们写在普通的C和使用用Cython用于包装/访问它们 - 往往是稍快，因为人们也可以使用专用的编译器标志该代码剪断，而不影响整个Cython-模块。