※こちらの記事は，暇があるたびに詳しくなっていきます（2019/06/27）

はじめに

どうも，cython の良い導入ってないよなあって感じてるものです．最近は cpp も使えるらしく，非常に便利だと思います．当方，O'REILLY の Cython は昔読んだかもですが，読んだかを忘れました．

中身

cython の導入にはややこしいことがあるので，それを理解する．そのために，numpy.dot を実装する．全部のコードはこちら．

ファイル構成

まず，ファイル構成を以下のようにして，setup.py を書きます．

cython_lib
- __init__.py
- calculation.pxd
- calculation.pyx
setup.py

これだけで基本的には十分．python setup.py install を実行すると，cython_lib/calculation.c が出来ますが，自動生成なので読むものじゃないです．

setup.py を書く

参考はこちら．

from Cython.Distutils import build_ext
from Cython.Build import cythonize
import numpy as np
from setuptools import setup, Extension

ext_modules = [
    Extension('cython_lib.calculation', # module name
              sources=['cython_lib/calculation.pyx'], # necessary source code(.pyx and .c)
              include_dirs=[np.get_include()], # include files
              compiler_directives={'language_level' : "3"},
              ),
]

setup(
    name='cython_lib',
    packages=['cython_lib'],
    version='0.0.1',
    ext_modules=cythonize(ext_modules),
    cmdclass={'build_ext': build_ext}
)

cython_lib/calculation.pyx を書く

とりあえず，dot をテストするだけなら，ただの python です．

#!/usr/bin/env cython
# cython: boundscheck=False
# cython: wraparound=False
# cython: cdivision=True
# cython: embedsignature=True
# coding: utf-8

cimport cython
import numpy as np
cimport numpy as np

# 1×1 が答えの時
cpdef REAL_t cnum_dot_one(np.ndarray X0, np.ndarray X1):
    return np.dot(X0, X1)

# n×n が答えの時
cpdef np.ndarray cnum_dot(np.ndarray X0, np.ndarray X1):
    return np.dot(X0, X1)

cython_lib/calculation.pxd を書く

.pxd ファイルは c 言語で言う header ファイルと同じなので，1×1 が答えが答えとなる時の REAL_t の型だけ定めます．

import numpy as np
cimport numpy as np

ctypedef np.float32_t REAL_t

速度の計測

これはただの numpy なので，速度に違いはない．

本題

cython を適当に書くだけだと簡単なのはわかったと思うので，じゃあちゃんと c 言語で書こうと思う．としても，dot の比較をしても，numpy 相手では速度が上がらないという同じ結論になります．（次元数による比較によると，次元数が小さい時は jit が最速ですがそうでない時は numpy が速いそう.）

なんで numpy がこんな速いのかを理解していく過程で，cython を学びましょう．大体学べる．

とりあえず，ここまで

予定としては，openblas を使って numpy に追いつくところまでやります．

本当は wrapper を作る必要があるので，そこは勉強していきたいですね．また，openblas も scipy の linalg も元は fortran なので，fortran からの適用を学ぶ必要もあります（fortran は読めもしないけど）．

jackee777のブログ

情報系学生のつぶやき

cython で numpy の dot を学ぶ - part 1