Numba矢量化比3d阵列的numpy慢吗？

在下面的代码中，test_func_1大约比test_func_2慢一个数量级。对于此操作是否无法改善或甚至不能匹配numpy性能？Numba矢量化比3d阵列的numpy慢吗？

from numba import guvectorize 
import numpy as np 

@guvectorize(['void(float64[:,:,:], float64[:], float64[:,:,:])'], '(n,o,p),(n)->(n,o,p)', nopython=True) 
def test_func_1(time_series, areas, res): 
    for i in range(areas.size): 
     area = areas[i] 
     adjusted_area = (area/10000.) ** .12 # used to adjust erosion 
     for k in range(time_series.shape[0]): 
      res[i, 0, k] = time_series[i, 0, k] * area 
      res[i, 1, k] = time_series[i, 1, k] * adjusted_area 
      res[i, 2, k] = time_series[i, 2, k] * area 
      res[i, 3, k] = time_series[i, 3, k] * adjusted_area 


def test_func_2(time_series, areas): 
    array = np.swapaxes(time_series, 0, 2) 
    array[:, :2] *= areas 
    array[:, 2:] *= (areas/10000.) ** .12 
    return array 

dummy = np.float32(np.random.randint(0, 10, (20, 5, 5000))) 
areas = np.float32(np.random.randint(0, 10, 20)) 

test_func_1(dummy, areas) 
test_func_2(dummy, areas)

来源

2017-10-04 triphook

我使用给定的数据集为'test_func_2（dummy，areas）'获得了大约80微秒的时间。这真的是你的瓶颈吗？或者你只是想学习numba？或者你实际上在处理更大的数据？ – Divakar

我得到'test_func_1'大约慢了2倍。当你计算它时，你是否只计算一次（包括jit编译时间）还是计算后续调用，这些调用会缓存编译，并且只是函数的运行时间？ – JoshAdel

为了清晰起见，它被简化了。我打算使用类似的功能，最终会在非常大的3D阵列上被称为几万次。 – triphook

由于@JoshAdel在评论中指出的，这里的关键区别是，你numba版本分配和填充新的阵列，而numpy的是修改，代替原来的。

将适当的.copy()添加到numpy中会使其稍慢。你也可以使用你的numba版本 - 就我所知不可能使用gufunc而言，但如果你不需要gufunc提供的广播，那么使用常规的jit函数。

def test_func_2(time_series, areas): 
    array = np.swapaxes(time_series, 0, 2).copy() 
    array[:, :2] *= areas 
    array[:, 2:] *= (areas/10000.) ** .12 
    return array 

dummy = np.float32(np.random.randint(0, 10, (20, 5, 5000))) 
areas = np.float32(np.random.randint(0, 10, 20)) 

%timeit test_func_1(dummy, areas) 
1.21 ms ± 5.33 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

%timeit test_func_2(dummy, areas) 
1.77 ms ± 15.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

来源

2017-10-04 18:42:14 chrisb

Numba矢量化比3d阵列的numpy慢吗？

回答

相关问题