为什么我的 Fortran 代码用 f2py 包装使用了这么多内存？

Question

我正在尝试计算大约十万个点之间的所有距离。我有以下代码用 Fortran 编写并使用 f2py:

编译

C         1         2         3         4         5         6         7
C123456789012345678901234567890123456789012345678901234567890123456789012
        subroutine distances(coor,dist,n)
        double precision coor(n,3),dist(n,n)
        integer n
        double precision x1,y1,z1,x2,y2,z2,diff2

cf2py intent(in) :: coor,dist
cf2py intent(in,out):: dist
cf2py intent(hide)::n
cf2py intent(hide)::x1,y1,z1,x2,y2,z2,diff2

        do 200,i=1,n-1
            x1=coor(i,1)
            y1=coor(i,2)
            z1=coor(i,3)
            do 100,j=i+1,n
                x2=coor(j,1)
                y2=coor(j,2)
                z2=coor(j,3)
                diff2=(x1-x2)*(x1-x2)+(y1-y2)*(y1-y2)+(z1-z2)*(z1-z2)
                dist(i,j)=sqrt(diff2)
  100       continue
  200   continue

        end

我正在使用以下 python 代码 setup_collision.py:

编译 Fortran 代码

# System imports
from distutils.core import *
from distutils      import sysconfig

# Third-party modules
import numpy
from numpy.distutils.core import Extension, setup

# Obtain the numpy include directory.  This logic works across numpy versions.
try:
    numpy_include = numpy.get_include()
except AttributeError:
    numpy_include = numpy.get_numpy_include()

# simple extension module
collision = Extension(name="collision",sources=['./collision.f'],
               include_dirs = [numpy_include],
               )

# NumyTypemapTests setup
setup(  name        = "COLLISION",
        description = "Module calculates collision energies",
        author      = "Stvn66",
        version     = "0.1",
        ext_modules = [collision]
        )

然后运行如下：

import numpy as np
import collision

coor = np.loadtxt('coordinates.txt')
n_atoms = len(coor)
dist = np.zeros((n_atoms, n_atoms), dtype=np.float16) # float16 reduces memory
n_dist = n_atoms*(n_atoms-1)/2
n_GB = n_dist * 2 / float(2**30) # 1 kB = 1024 B
n_Gb = n_dist * 2 / 1E9          # 1 kB = 1000 B
print 'calculating %d distances between %d atoms' % (n_dist, n_atoms)
print 'should use between %f and %f GB of memory' % (n_GB, n_Gb)
dist = collision.distances(coor, dist)

使用这个包含 30,000 个原子的代码，应该使用大约 1 GB 的内存来存储距离，它却使用了 10 GB。与此不同，使用 100,000 个原子执行此计算将需要 100 GB 而不是 10 GB。我的电脑只有 20 GB。

我是否遗漏了与在 Python 和 Fortran 之间传递数据相关的内容？巨大的差异表明实施存在重大缺陷。

Answer 1

您正在将双精度数组提供给 Fortran 子例程。双精度的每个元素需要 8 字节的内存。对于 N=30,000 这使得

coor(n,3) => 30,000*3*8 ~ 0.7 MB
dist(n,n) => 30,000^2*8 ~ 6.7 GB

由于 Python 还需要半精度浮点数，这又占了 1-2GB。所以总体要求是9-10GB。

N=100,000 也是如此，仅 Fortran 部分就需要约 75GB。

而不是 double precision 浮点数，您应该使用单精度 reals - 如果这足以满足您的计算需求。这将导致一半的内存需求。 [我没有这方面的经验，但我假设如果两个部分使用相同的精度，Python 可以直接对数据进行操作...]

正如@VladimirF 在他的评论中指出的那样，"usual compilers do not support 2 byte reals"。我检查了 gfortran 和 ifort，他们都没有。所以你至少需要使用单精度。

为什么我的 Fortran 代码用 f2py 包装使用了这么多内存？

Why is my Fortran code wrapped with f2py using so much memory?

python

fortran

memory-management

out-of-memory

f2py