Cython：相同的速度定义 numpy 的静态类型

Question

我必须使用 python 对微分方程进行数值求解。基本上我有两个不同的代码。一个负责读取问题的初始条件，一个负责计算所有的帐户。我想使用 cython 优化第二个。当我将常量的静态类型（dz，dt，i，k，j ..）定义为floating或int时，我减少了四分之一的计算时间。现在，当我为 numpy 数组定义静态类型时，我没有任何改进。

这是我的代码(.pyx):

import numpy as np
cimport numpy as np
DTYPE = np.int
ctypedef np.int_t DTYPE_t

def explicit_cython(np.ndarray u, float kappa, float dt, float dz, np.ndarray term_const, unsigned int nz, plot_time):
    '''Cython version of explicit method'''

    #Defining C types
    cdef unsigned int i, k, j
    cdef unsigned int len_plot = len(plot_time) - 1
    cdef float lamnda = kappa*dt/dz**2

    u_out = []
    u_out.append(u.copy())

    for i in range(len_plot):
        for k in range(plot_time[i], plot_time[i+1]):
            un = u.copy()
            for j in range(1, nz-1):
                u[j] = un[j] + lamnda*(un[j+1] - 2*un[j] + un[j-1]) + term_const[j]
        u_out.append(u.copy())

    return u_out

这是我用来编译的设置。

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

extensions=[Extension("explicit_cython2",["explicit_cython2.pyx"])]

setup(
    ext_modules = cythonize(extensions)
     )

当我制作 python3 setup.py build_ext --inplace 时，有这个警告：

In file included from /usr/include/numpy/ndarraytypes.h:1728:0,
             from /usr/include/numpy/ndarrayobject.h:17,
             from /usr/include/numpy/arrayobject.h:15,
             from explicit_cython2.c:258:
/usr/include/numpy/npy_deprecated_api.h:11:2: warning: #warning "Using   deprecated NumPy API, disable it by #defining NPY_NO_DEPRECATED_API   NPY_1_7_API_VERSION" [-Wcpp]
 #warning "Using deprecated NumPy API, disable it by #defining NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION"

为什么没有通过定义numpy的静态类型来赢得速度？为什么我有这个警告？谢谢！

PD。我在 LMDE

中使用 python 3.4 和 Anaconda

Answer 1

A) 除非您可以定义 numpy 数组的维度和内部数据类型，否则您可能不会得到任何好处

def explicit_cython(np.ndarray[np.float_t,ndim=2],...

B) 我认为已弃用的警告是说新的更好的界面是类型化内存视图 http://docs.cython.org/src/userguide/memoryviews.html。如果您不想使用这些，请忽略它。

C) 你可能会失去很多速度复制的东西，你会立即覆盖每一步，如果你能做到 np.zeros(n.shape) 你可能会有所收获。（或者甚至只是跳过内部 for k 循环中的副本）。

D) 循环的主要内容可以被矢量化，无论如何都要避免使用 Cython。

Cython：相同的速度定义 numpy 的静态类型

Cython: same speed defining the static type of numpy

python-3.x

gcc

numpy

cython