python - Cython sum v/s significa salto de memoria

numpy

Question

He estado tratando de trabajar con Cython y encontré el siguiente escenario peculiar en el que una función de suma sobre una matriz toma 3 veces la cantidad de tiempo que toma el promedio de una matriz.

Aquí están mis tres funciones.

cpdef FLOAT_t cython_sum(cnp.ndarray[FLOAT_t, ndim=1] A):
cdef double [:] x = A
cdef double sum = 0
cdef unsigned int N = A.shape[0]
for i in xrange(N):
sum += x[i]
return sum
cpdef FLOAT_t cython_avg(cnp.ndarray[FLOAT_t, ndim=1] A):
cdef double [:] x = A
cdef double sum = 0
cdef unsigned int N = A.shape[0]
for i in xrange(N):
sum += x[i]
return sum/N
cpdef FLOAT_t cython_silly_avg(cnp.ndarray[FLOAT_t, ndim=1] A):
cdef unsigned int N = A.shape[0]
return cython_avg(A)*N

Aquí están los tiempos de ejecución en ipython

In [7]: A = np.random.random(1000000)
In [8]: %timeit np.sum(A)
1000 loops, best of 3: 906 us per loop
In [9]: %timeit np.mean(A)
1000 loops, best of 3: 919 us per loop
In [10]: %timeit cython_avg(A)
1000 loops, best of 3: 896 us per loop
In [11]: %timeit cython_sum(A)
100 loops, best of 3: 2.72 ms per loop
In [12]: %timeit cython_silly_avg(A)
1000 loops, best of 3: 862 us per loop

No puedo dar cuenta del salto de memoria en cython_sum simple. ¿Es debido a alguna asignación de memoria? Dado que estos son nos aleatorios de 0 a 1. La suma es de alrededor de 500K.

Ya que line_profiler no funciona con cython, no pude perfilar mi código.

Answer 1

Parece que los resultados de @ nbren12 son la respuesta definitiva: estos nbviewer.ipython.org/gist/nbren12/1b356745aa851d73342f .

La evidencia (y la lógica) señalan que ambos métodos tienen el mismo tiempo de ejecución.