Numba 函数比 C++ 慢，循环重新排序进一步减慢 x10

Question

以下代码模拟从一组图像中的不同位置提取二进制字。

下面代码中的 Numba 包装函数 wordcalc 有 2 个问题：

与 C++ 中的类似实现相比，它慢了 3 倍。
最奇怪的是，如果您调换 "ibase" 和 "ibit" for 循环的顺序，速度会下降 10 倍 (!)。这不会发生在 C++ 实现中，它仍然不受影响。

我正在使用 WinPython 2.7 中的 Numba 0.18.2

可能是什么原因造成的？

imDim = 80
numInsts = 10**4
numInstsSub = 10**4/4
bitsNum = 13;

Xs = np.random.rand(numInsts, imDim**2)       
iInstInds = np.array(range(numInsts)[::4])
baseInds = np.arange(imDim**2 - imDim*20 + 1)
ofst1 = np.random.randint(0, imDim*20, bitsNum)
ofst2 = np.random.randint(0, imDim*20, bitsNum)

@nb.jit(nopython=True)
def wordcalc(Xs, iInstInds, baseInds, ofst, bitsNum, newXz):
    count = 0
    for i in iInstInds:
        Xi = Xs[i]        
        for ibit in range(bitsNum):
            for ibase in range(baseInds.shape[0]):                    
                u = Xi[baseInds[ibase] + ofst[0, ibit]] > Xi[baseInds[ibase] + ofst[1, ibit]]
                newXz[count, ibase] = newXz[count, ibase] | np.uint16(u * (2**ibit))
        count += 1
    return newXz

ret = wordcalc(Xs, iInstInds, baseInds, np.array([ofst1, ofst2]), bitsNum, np.zeros((iInstInds.size, baseInds.size), dtype=np.uint16))

Answer 1

通过从 np.uint16(u * (2**ibit)) 更改为 np.uint16(u << ibit)，我获得了 4 倍的加速；即用移位替换 2 的幂，这应该是等效的（对于整数）。

您的 C++ 编译器很可能会自行进行此替换。

交换两个循环的顺序对我来说对于你的原始版本 (5%) 和我的优化版本 (15%) 都有很小的不同，所以我认为我无法对此做出有用的评论.

如果您真的想比较 Numba 和 C++，可以在导入 Numba 之前通过执行 os.environ['NUMBA_DUMP_ASSEMBLY']='1' 查看编译后的 Numba 函数。（虽然这显然很复杂）。

作为参考，我使用的是 Numba 0.19.1。

Numba 函数比 C++ 慢，循环重新排序进一步减慢 x10

Numba function slower than C++ and loop re-order further slows down x10

python

performance

numba