python - Cython:使用类型化内存 View 时，Cython 用户是否应该实现他们自己的 "vector"函数库？

Question

如果我正在使用类型化的内存 View ，并且我想添加我使用这样的内存 View 表示的两个向量，或者获取它们的点积，或者其他类似的向量，Cython 是否希望我自己实现这些函数？

我对此没有问题，但我想知道如果我忙于编写添加向量/乘以标量/点积/等，我是否做错了什么。靠我自己。感觉像是一种反模式，但我不确定。

什么是正确的模式？

Answer 1

如果您的代码在线性代数函数或向量化运算上花费了大量时间，那么它可能不是 Cythonizing 的理想选择。

numpy 数组之间的点积通常使用已经高度优化的 BLAS 库调用执行，如果您尝试在 Cython* 中重新发明轮子，您肯定会做得更糟。类似地，基本的向量化操作(例如添加两个向量)对于 numpy 数组已经非常有效，尽管在某些情况下可能在 Cython 中做得更好(例如，通过利用并行化，或通过避免中间数组分配)。

Cython 对于加速不容易矢量化的操作最有用，否则您将不得不求助于 Python for 循环等。最好的方法通常是识别和 Cythonize 这些瓶颈，而不是尝试用 Cython 重写所有内容。

---

*话虽如此，可以通过将指针传递到数组中的第一个元素来直接在类型化内存 View 上调用 BLAS 或 LAPACK 函数(有关示例，请参见 here 和 here)。