xtensor 类型与 NumPy 简单归约的性能对比

我正在尝试xtensor-python https://github.com/QuantStack/xtensor-python并开始编写一个非常简单的求和函数，之后使用千篇一律的设置 https://github.com/QuantStack/xtensor-python-cookiecutter并启用 SIMD 内在函数xsimd https://github.com/QuantStack/xsimd.

inline double sum_pytensor(xt::pytensor<double, 1> &m)
{
  return xt::sum(m)();
}
inline double sum_pyarray(xt::pyarray<double> &m)
{
  return xt::sum(m)();
}

Used setup.py构建我的 Python 模块，然后在由以下代码构建的 NumPy 数组上测试求和函数np.random.randn不同尺寸，比较np.sum.

import timeit

def time_each(func_names, sizes):
    setup = f'''
import numpy; import xtensor_basics
arr = numpy.random.randn({sizes})
    '''
    tim = lambda func: min(timeit.Timer(f'{func}(arr)',
                                        setup=setup).repeat(7, 100))
    return [tim(func) for func in func_names]

from functools import partial

sizes = [10 ** i for i in range(9)]
funcs = ['numpy.sum',
         'xtensor_basics.sum_pyarray',
         'xtensor_basics.sum_pytensor']
sum_timer = partial(time_each, funcs)
times = list(map(sum_timer, sizes))

这个（可能有缺陷的）基准测试似乎表明，与 NumPy 相比，对于较大的数组，该基本函数的 xtensor 的性能会下降。

           numpy.sum  xtensor_basics.sum_pyarray  xtensor_basics.sum_pytensor
1           0.000268                    0.000039                     0.000039
10          0.000258                    0.000040                     0.000039
100         0.000247                    0.000048                     0.000049
1000        0.000288                    0.000167                     0.000164
10000       0.000568                    0.001353                     0.001341
100000      0.003087                    0.013033                     0.013038
1000000     0.045171                    0.132150                     0.132174
10000000    0.434112                    1.313274                     1.313434
100000000   4.180580                   13.129517                    13.129058

知道为什么我会看到这个吗？我猜这是 NumPy 使用的东西，而 xtensor 还没有，但我不确定它可以用于像这样简单的减少。我挖通了xmath.hpp https://github.com/QuantStack/xtensor/blob/master/include/xtensor/xmath.hpp但没有看到任何明显的东西，并且文档中没有引用任何类似的内容。

Versions

numpy                          1.13.3
openblas                       0.2.20
python                         3.6.3
xtensor                        0.12.1
xtensor-python                 0.14.0 

哇，这真是巧合！我正在努力实现这个加速！

xtensor 的 sum 是一个惰性操作——它不使用最高效的迭代顺序进行（自动）向量化。然而，我们刚刚添加了一个evaluation_strategy减少（以及即将到来的累积）的参数，允许您选择immediate and lazy减少。

立即减少立即执行减少（而不是惰性），并且可以使用针对矢量化减少优化的迭代顺序。

您可以在此 PR 中找到此功能：https://github.com/QuantStack/xtensor/pull/550 https://github.com/QuantStack/xtensor/pull/550

在我的基准测试中，这应该至少与 numpy 一样快或更快。 我希望今天能把它合并起来。

顺便提一句。请随时访问我们的 gitter 频道并发布问题链接，我们需要更好地监控 StackOverflow：https://gitter.im/QuantStack/大厅 https://gitter.im/QuantStack/Lobby