为什么在遍历 NumPy 数组时 Cython 比 Numba 慢很多？

Question

在 NumPy 数组上迭代时，Numba 似乎比 Cython 快得多。
我可能缺少哪些 Cython 优化？

这是一个简单的例子：

纯Python代码：

import numpy as np

def f(arr):
  res=np.zeros(len(arr))
   
  for i in range(len(arr)):
     res[i]=(arr[i])**2
    
  return res

arr=np.random.rand(10000)
%timeit f(arr)

输出：每个循环 4.81 ms ± 72.2 µs（7 次运行的平均值 ± 标准偏差，每次 100 次循环）

Cython 代码（在 Jupyter 中）：

%load_ext cython
%%cython

import numpy as np
cimport numpy as np
cimport cython
from libc.math cimport pow

#@cython.boundscheck(False)
#@cython.wraparound(False)

cpdef f(double[:] arr):
   cdef np.ndarray[dtype=np.double_t, ndim=1] res
   res=np.zeros(len(arr),dtype=np.double)
   cdef double[:] res_view=res
   cdef int i

   for i in range(len(arr)):
      res_view[i]=pow(arr[i],2)
    
   return res

arr=np.random.rand(10000)
%timeit f(arr)

输出：每个循环 445 µs ± 5.49 µs（7 次运行的平均值 ± 标准偏差，每次 1000 次循环）

Numba 代码：

import numpy as np
import numba as nb

@nb.jit(nb.float64[:](nb.float64[:]))
def   f(arr):
   res=np.zeros(len(arr))
   
   for i in range(len(arr)):
       res[i]=(arr[i])**2
    
   return res

arr=np.random.rand(10000)
%timeit f(arr)

输出：每个循环 9.59 µs ± 98.8 ns（7 次运行的平均值 ± 标准差，每次 100000 次循环）

在此示例中，Numba 几乎比 Cython 快 50 倍。
作为 Cython 的初学者，我想我错过了一些东西。

当然，在这种简单的情况下，使用 NumPy square 向量化函数会更合适：

%timeit np.square(arr)

输出：每个循环 5.75 µs ± 78.9 ns（7 次运行的平均值 ± 标准偏差，每次 100000 次循环）

Answer 1

正如@Antonio 指出的那样，使用 pow 进行简单的乘法并不是很明智，并且会导致相当大的开销：

因此，将 pow(arr[i], 2) 替换为 arr[i]*arr[i] 会导致相当大的加速：

cython-pow-version        356 µs
numba-version              11 µs
cython-mult-version        14 µs

剩下的差异可能是由于编译器和优化级别之间的差异（在我的例子中是 llvm 与 MSVC）。您可能希望使用 clang 来匹配 numba 性能（例如，参见）

为了使编译器更容易优化，您应该将输入声明为连续数组，即double[::1] arr（参见 why it is important for vectorization), use @cython.boundscheck(False) (use option -a to see that there is less yellow) and also add compiler flags (i.e. -O3, -march=native or similar depending on your compiler to enable the vectorization, watch out for build-flags used by default which can inhibit some optimization, for example ）。最后，您可能想用 C 语言编写 working-horse-loop，使用 flags/compiler 的正确组合进行编译，然后使用 Cython 对其进行包装。

顺便说一句，将函数的参数键入 nb.float64[:](nb.float64[:]) 会降低 numba 的性能 - 不再允许假设输入数组是连续的，因此排除了矢量化。让numba检测类型（或者定义为连续类型，即nb.float64[::1](nb.float64[::1]），你会得到更好的性能：

@nb.jit(nopython=True)
def nb_vec_f(arr):
   res=np.zeros(len(arr))

   for i in range(len(arr)):
       res[i]=(arr[i])**2

   return res

导致以下改进：

%timeit f(arr)  # numba version
# 11.4 µs ± 137 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit nb_vec_f(arr)
# 7.03 µs ± 48.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

正如@max9111 所指出的，我们不必用零初始化结果数组，但可以使用 np.empty(...) 而不是 np.zeros(...) - 这个版本甚至击败了 numpy 的 np.square()

不同方法在我机器上的表现是：

numba+vectorization+empty     3µs
np.square                     4µs
numba+vectorization           7µs
numba missed vectorization   11µs
cython+mult                  14µs
cython+pow                  356µs

为什么在遍历 NumPy 数组时 Cython 比 Numba 慢很多？

Why is Cython so much slower than Numba when iterating over NumPy arrays?

python

numpy

cython

numba

纯Python代码：

Cython 代码（在 Jupyter 中）：

Numba 代码：