Cython 中用于循环调用的快速基本线性代数

Question

我正在尝试在 cython 中编写一个用于蒙特卡罗模拟的函数。该函数涉及多个小的线性代数运算，如点积和矩阵求逆。随着函数被调用数十万次，numpy 开销占据了很大一部分成本。三年前有人问过这个问题：在 Cython 中调用点积和线性代数运算？ 我尝试使用两个答案中的建议，但第一个 scipy.linalg.blas 仍然通过 python 包装器，我并没有真正得到任何改进。第二，使用 gsl 包装器也相当慢，当向量的维度非常大时，往往会冻结我的系统。我还发现了 Ceygen 包，看起来很有希望，但似乎安装文件在上次 Cython 更新中损坏了。另一方面，我看到 scipy 正在为 lapack 开发一个 cython 包装器，但它看起来仍然不可用 ( scipy-cython-lapack) 最后，我还可以为这些操作编写自己的 C 例程，但似乎有点重新发明轮子。

总结一下：在 Cython 中是否有这种操作的新方法？（因此我不认为这是重复的）或者您是否找到了更好的方法来处理我尚未见过的此类问题？

必填代码示例：（这只是一个例子，当然它仍然可以改进，但只是提供想法）

 cimport numpy as np
 import numpy as np

 cpdef double risk(np.ndarray[double, ndim=2, mode='c'] X,
     np.ndarray[double, ndim=1, mode='c'] v1, 
     np.ndarray[double, ndim=1, mode='c'] v2):

     cdef np.ndarray[double, ndim=2, mode='c'] tmp, sumX
     cdef double ret

     tmp = np.exp(X)
     sumX = np.tile(np.sum(tmp, 1).reshape(-1, 1), (1, tmp.shape[0]))
     tmp = tmp / sumX
     ret = np.inner(v1, np.dot(X, v2))
     return ret

谢谢！！

tl;dr：如何在 cython 中学习线性代数？

Answer 1

您链接到的答案仍然是从 Cython 调用 BLAS 函数的好方法。它并不是真正的 Python 包装器，只是使用 Python，因此获取指向该函数的 C 指针，这可以在初始化时完成。所以你应该获得基本上类似 C 的速度。我可能是错的，但我认为即将发布的 Scipy 0.16 版本将提供方便的 BLAS Cython API，基于这种方法，它不会改变性能。

如果您在重复调用 BLAS 函数移植到 Cython 后没有体验到任何加速，则在 numpy 中执行此操作的 Python 开销并不重要（例如，如果计算本身是最昂贵的部分），或者您做错了什么（不必要的内存副本等）

我想说，这种方法应该比 GSL 更快、更容易维护，当然前提是您使用优化的 BLAS（OpenBLAS、ATLAS、MKL 等）编译了 scipy。