我正在尝试创建一个自定义版本的 numpy.argmin ，它遍历二维数组并找到最小值（这是一个自定义版本，因为我有一些特定于域的信息 numpy 没有，这将导致更快的执行）。

我的第一个实现是这样的：

这大约是 numpy 自己的 argmin 的两倍。问题在于访问内存视图。它很慢。一旦我添加了一些指针：

性能非常接近 numpy 的 argmin。

我注意到一维内存类型视图也发生了同样的情况，需要我在迭代之前用指针替换每个视图。

我在我的 pyx 文件的顶部有以下声明，只是为了确保。

我编写了一个 Cython 函数，该函数将数字的列表/类型化内存视图作为参数并返回相同长度的类型化内存视图：

在对其进行了数千次测试后，我开始收到Segmentation fault (core dumped)错误消息。我意识到这是一个内存管理问题，但我找不到如何管理函数返回的类型化内存视图的内存的示例。我发现的唯一有用信息是关于内存分配的信息，它建议将生命周期与result_arrpython 对象联系起来，并使用一种__dealloc__方法来释放内存。

有没有一种方法来管理 memoryview 垃圾收集，它不涉及创建用于释放内存的 python 类？

编辑：我试过这个，它似乎以正确的方式释放内存。

为什么这行得通，是否有更好的方法来管理内存？

我有一个 pythonmemoryview指向一个bytes我想在 cython 中执行一些处理的对象。

我的问题是：

• 因为bytes对象不可写，cython 不允许从中构造类型化（cython）内存视图
• 我也不能使用指针，因为我无法获得指向 memoryview 开始的指针

例子：

在蟒蛇中：

在赛通中：

• cdef char * my_ptr = &array[0]无法编译并显示以下消息：Cannot take address of Python variable
• cdef char[:] my_view = array在运行时失败并显示以下消息：BufferError: memoryview: underlying buffer is not writable

如何解决这个问题？

我正在关注这个关于 memoryviews 的指南。

但是当我在 Jupyter 的快速入门部分尝试代码时，它给出了这个错误：

我什至不知道如何搜索此错误，因为它与语法相关，但 Cython.org 建议使用此语法。我认为这可能是因为我在错误的地方使用了这段代码（而不是在 Jupyter 平台上）。

任何建议，将不胜感激。

我编写了一个 Cython 程序，调用 Intel MKL 进行矩阵乘法，目的是使其并行。它基于链接到 BLAS 的旧 SO 帖子，并使用了一堆我从未见过的 Cython 方法，但它可以正常工作，而且它比 NumPy（也链接到 MKL）慢得多。为了加快速度，我使用了典型的 Memoryview 格式（它使用ndarray np.float64_t数据类型进行几个操作）。但现在它不再使用double[::1]Memoryviews 工作。这是生成的错误： 'type cast': cannot convert from '__Pyx_memviewslice' to 'double *'

由于类型转换不起作用，MKL 函数只能看到 5 个参数中的 3 个： error C2660: 'cblas_ddot': function does not take 3 arguments

这是 .PYX 代码：

我敢肯定，SO 上的某个人很容易指出这一点。如果您看到可以改进的地方，请告知 - 这是被黑客攻击和切碎的，我认为甚至不需要 i / j 循环。最干净的例子：https ://gist.github.com/JonathanRaiman/f2ce5331750da7b2d4e9我最终编译的实际上要快得多（2x），但没有给出任何结果，所以我将它放在另一篇文章中（这里：直接调用 BLAS / LAPACK使用 SciPy 界面和 Cython - 以及如何添加 MKL）

非常感激。

我开始研究 Fortran 库 (BLAS/LAPACK) 的 SciPy 接口，可以在这里看到：Calling BLAS / LAPACK directly using the SciPy interface and Cython并想出了一个解决方案，但不得不求助于使用numpy.zeros它实际上杀死了任何速度直接调用 Fortran 代码的好处。问题是 Fortran 代码需要一个 0 值的输出矩阵（它在内存中就地处理矩阵）以匹配 Numpy 版本（np.outer）。

所以我有点困惑，因为 Python 中的 1000x1000 零矩阵只需要 8us（使用 %timeit 或 0.008ms）那么为什么添加 Cython 代码会杀死运行时，注意到我也在 memoryview 上创建它？（基本上 1000 x 1000 矩阵乘法从 3ms 到 8ms 左右）。然后在 SO 上搜索后，我在其他地方找到了一个使用memset最快的数组更改机制的解决方案。因此，我将引用帖子中的整个代码重写为更新的memoryview格式，并得到了类似这样的内容（Cythoncyblas.pyx文件）：

测试脚本

因此，这解决了我将输出矩阵值重置为第 125 行的问题，该问题仍然存在（已解决见下文）。我认为将memset长度参数设置为 M*N 会清除内存中的 1000*1000 ，但显然不是。

有人知道如何使用 将整个输出矩阵重置为 0memset吗？非常感激。

我已经在 python 中启动了一个项目，该项目主要由循环组成。几天前，我读到了 cython，它可以帮助您通过静态类型获得更快的代码。我开发了这两个函数来检查性能（一个在 python 中，另一个在 cython 中）：

毕竟我使用下面的代码来测试性能：

但是我没有发现任何明显的改进。我还没有使用 Typed-Memoryviews。任何人都可以提出有用的解决方案来提高速度或帮助我使用 typed-memoryview 重写代码吗？

我是初学者，我相信这个问题太简单了。我正在尝试在 cython 中测试内存视图以更好地了解它们。在我的代码中，我将每个内存视图元素（如[1,2]）作为cy类元素传递move。

当我打印结果时。我明白了：

我需要cy班级打印一份清单。我该如何解决？当我使用此代码时，我遇到了另一个问题：

运行此代码后，我总是收到此错误：
TypeError: a bytes-like object is required, not 'int'. 是什么导致了这个错误，我该如何解决这个错误？

我想通过使用 memoryviews 来加速我的代码。这是我使用的两个类：

这是我要检查类是否有效的代码：

我希望打印 100 个，ok但我什么也没得到。我知道如果我使用list(move) == list(ch.move)我可以获得预期的输出，但我不希望循环中的转换开销。

谁能帮我一个有效的方法？如果有人有任何其他可以提高代码速度的建议，我们将不胜感激。

我正在尝试通过使用 cython 功能来提高我的 python 代码的速度。我的python代码由类和py_child函数组成，如下所示：py_parentpy_backup

这与cython使用 memoryviews 作为一些变量的实现相同：

现在我想评估函数 cy_backup、py_backup 的代码速度。所以我使用以下代码：

当我运行程序时，我对结果感到惊讶：

我期待 cython 比 python 快得多，特别是在使用 memoryviews 时。
为什么 cython 中的循环运行速度比 python 中的循环慢？
如果有人对加速 cython 中的代码有任何建议，我们将不胜感激。
提前我为我的问题道歉，包括太多的代码。