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