8

我正在尝试通过在 Cython 中实现它来优化 Python 算法。我的问题是关于以下代码中存在的某个性能瓶颈：

@cython.boundscheck(False) # turn off bounds-checking for entire function
def anglesToRGB( np.ndarray[double, ndim=2] y, np.ndarray[double, ndim=2] x ):

cdef double angle
cdef double Hp
cdef double C
cdef double X
cdef np.ndarray[double, ndim=3] res = np.zeros([y.shape[0], y.shape[1], 3], dtype=np.float64)

for i in xrange(y.shape[0]):
    for j in xrange(y.shape[1]):
        angle = atan2( y[i,j], x[i,j] )*180.0/PI+180

        C = sqrt(pow(y[i,j],2)+pow(x[i,j],2))/360.0 #Chroma
        Hp = angle/60.0
        X = C*(1-fabs( Hp%2-1))

        C *= 255
        X *= 255

        if (0. <= Hp < 1.):
            res[i,j,:] = [C,X,0]
        elif (1. <= Hp < 2.):
            res[i,j,:] = [X,C,0]
        elif (2. <= Hp < 3.):
            res[i,j,:] = [0,C,X]
        elif (3. <= Hp < 4.):
            res[i,j,:] = [0,X,C]
        elif (4. <= Hp < 5.):
            res[i,j,:] = [X,C,C]
        else:
            res[i,j,:] = [C,0,X]

return res

我已经确定了主要瓶颈是当我将值列表分配给 res 数组的切片时，例如

res[i,j,:] = [C,X,0]

但是，如果我将作业更改为

res[i,j,0] = C
res[i,j,1] = X
res[i,j,2] = 0

然后代码运行速度提高了几个数量级。对我来说这很奇怪，因为 Cython 编译器肯定应该足够聪明来为我做这件事？还是我需要先提供一些提示？我应该注意，将切片更改为 0:3 而不是 : 并将值列表设为 numpy 数组并不会提高性能。

我想知道的是为什么这个操作会严重影响性能，以及是否有任何方法可以解决它而不必牺牲方便的列表和切片符号。

最好的祝福

4

1 回答 1

3

不，Cython（用 0.17 测试）不够聪明，无法优化这个切片分配。如果您查看生成的 C 代码（使用cython -a并单击 HTML 报告中的任意行以查看生成的代码），那么您可以看到

res[i,j,:] = [C,X,0]

编译为

  • C 和 Python 浮点类型之间的转换
  • 列表的分配[C,X,0]
  • 元组的分配(i, j, slice(None))
  • 打电话给res.__setitem__
  • 对所有这些进行错误检查
  • 分配结构的重新分配

即，几乎所有 CPython 会执行此代码的相同操作。

你可以做些什么来解决这个问题：

  1. 声明三个变量，比如说cdef double v1, v2, v3；
  2. 在条件句中为这些赋值，例如v1, v2, v3 = C, X, 0等，优化为三个 C 赋值；
  3. 在条件块之后，在三个单独的分配中分配v1, v2, v3给等。res[i,j,0]
于 2012-11-05T23:32:32.920 回答