为啥pypy3比python慢

Posted 2023-03-06

【中文标题】为啥pypy3比python慢

【英文标题】：Why is pypy3 slower than python为什么pypy3比python慢

【发布时间】：2021-06-10 19:12:12

【问题描述】：

为了让我的代码运行得更快，我认为 pypy 就可以了。但是，我发现我的某些代码实际上速度较慢。

有人可以帮我理解为什么会这样吗？

这是我在functions.py的第663行确定的pypy中较慢的调用（加权和），它是类中的主要方法。

它被调用了 500000 次。

def __call__(self, verbose=False):
    if len(self.links) != self.weights.size:
        raise Exception(f'Number of links ...')

    super().check_links(len(self.links))
    inputs = np.array([link.get_value() for link in self.links])
    self.value = np.dot(inputs, self.weights)

    return super().__call__(verbose)

这是使用 cProfile 运行 pypy 的蛇形视图

这是使用 python 运行的蛇形可视化视图

编辑：20210612

@mattip 我听取了您的建议并尝试了标准 python (sdot) 中的点积。以下是用于 python 和 pypy 的 numpy dot (ndot) 的时间安排。

pypy sdot (0.299) 比 python sdot (0.749) 快并且比两个 ndots (1.075/4.165) 都快，这很好。然而，令我惊讶的是，使用 python 解释器，sdot（python 列表）比 ndot（numpy 数组）更快。

这是为什么呢？我原以为 numpy 应该是针对这类事情的优化、快速包。

代码如下：

numpy 点积

def runndot(runs):
    weightslist = [0.5, 0.5, 0.5, 0.5, 0.5]
    weights = np.array(weightslist)
    inputslist = [0.1, 0.1, 0.1, 0.1, 0.1]
    inputs = np.array(inputslist)

    for _ in range(runs):
        value = np.dot(inputs, weights)

    return value

python 列出点积

def runsdot(runs):
    weights = [0.5, 0.5, 0.5, 0.5, 0.5]
    inputs = [0.1, 0.1, 0.1, 0.1, 0.1]

    for _ in range(runs):
        value = dot(inputs, weights)
    
    return value

def dot(inputs, weights):
    sum = 0
    for i in range(len(inputs)):
        sum += inputs[i]*weights[i]
    return sum

【参考方案1】：

您正在使用 NumPy，它是用 C 语言编写的。为了让 PyPy 使用像 NumPy 这样的 c 扩展，它需要跳过一些使 python-c-python 转换变慢的环节。我不知道在 PyPy 上使用 np.dot 的快速替换，抱歉。有work afoot 来实现它，但一两年内将无法使用。

您可能有兴趣使用 Numba 来加速此类代码。

如果你的数组的形状很小，你可以用python手写点积，避免使用NumPy，速度快。

【讨论】：

我认为 numpy 在 pypy pypy.org/posts/2017/10/… 中受支持，这意味着如果会很快。我会在标准 python 中尝试点。

该链接中的最后一条评论提到了常见问题解答：在撰写本文时（2017 年 10 月），numpy 的主要缺点是 cpyext 非常慢，因此与 numpypy 相比，它的性能更差。但是，我们正在积极努力改进它，因为我们希望在可以使用 HPy 时达到相同的速度。