python之如何加速 Cython 代码来计算 dirichlet 的条件对数似然

我有一个函数可以计算狄利克雷分布的条件(第 k 个 alpha)对数似然。我用 Cython 编写并编译了它，但我的代码调用了大约 12M 次，这似乎是瓶颈，所以我希望加快速度。

cimport numpy as np 
import numpy as np 
import math 
DTYPE = np.float64 
ctypedef np.float64_t DTYPE_t 
 
def logFullConAlphaK(np.ndarray p,np.ndarray alpha, np.int k): 
    assert p.dtype == np.float64 and alpha.dtype == np.float64 
    cdef double t1=sum(np.log(p)) 
    cdef DTYPE_t y=((alpha[k-1]-1)*t1)-np.log(alpha[k-1])+(p.shape[0]* 
                   (math.lgamma(sum(alpha))- math.lgamma(alpha[k-1]))) 
return y 

我将 Cython 编译成我在代码中使用的 .pyd 文件。关于如何加快速度的任何想法？

谢谢

请您参考如下方法:

1) 通过声明输入数组的数据类型和维度，对于 p.shape[0]:

def logFullConAlphaK(np.ndarray[DTYPE_t, ndim=1] p, 
                     np.ndarray[DTYPE_t, ndim=1] alpha, int k): 
 
    ... 
    cdef int tmp 
    tmp = p.shape[0] 

2) 通过使用 C 函数而不是 math 模块中的 Python 函数:

cdef extern from "math.h": 
    double log(double x) nogil 

3) 使用 NumPy 的 np.ndarray.sum() 方法

4) 使用 Cython 指令来避免一些开销

总计:

#cython: wraparound=False 
#cython: boundscheck=False 
#cython: cdivision=True 
#cython: nonecheck=False 
 
import math 
 
cimport numpy as np 
import numpy as np 
 
cdef extern from "math.h": 
    double log(double x) nogil     
 
DTYPE = np.float64 
ctypedef np.float64_t DTYPE_t 
 
def logFullConAlphaK(np.ndarray[DTYPE_t, ndim=1] p, 
                     np.ndarray[DTYPE_t, ndim=1] alpha, int k): 
    assert p.dtype == np.float64 and alpha.dtype == np.float64 
    cdef double t1 
    cdef int tmp 
 
    t1 = np.log(p).sum() 
    tmp = p.shape[0] 
 
    cdef DTYPE_t y=((alpha[k-1]-1)*t1)-log(alpha[k-1])+(tmp* 
                   (math.lgamma(alpha.sum()) - math.lgamma(alpha[k-1]))) 
 
    return y 

OP 的原始解决方案、@cel 的解决方案和我的解决方案之间的一些性能比较:

In [2]: timeit solOP(a, b, 10) 
1000 loops, best of 3: 273 µs per loop 
 
In [3]: timeit solcel(a, b, 10) 
10000 loops, best of 3: 30.5 µs per loop 
 
In [4]: timeit solS(a, b, 10) 
100000 loops, best of 3: 15.8 µs per loop