Python Line_profiler 和 Cython 函数

Posted

技术标签:

【中文标题】Python Line_profiler 和 Cython 函数【英文标题】:Python Line_profiler and Cython function 【发布时间】:2014-06-10 15:27:30 【问题描述】:

所以我尝试使用line_profiler 在我自己的python 脚本中分析一个函数,因为我想要逐行计时。唯一的问题是该函数是 Cython 函数,而 line_profiler 无法正常工作。在第一次运行时,它只是因错误而崩溃。然后我添加了

!python
cython: profile=True
cython: linetrace=True
cython: binding=True

在我的脚本顶部,现在它运行良好,除了时间和统计数据是空白的!

有没有办法将line_profiler 与 Cythonized 函数一起使用?

我可以分析非 Cythonized 函数,但它比 Cythonized 慢得多,以至于我无法使用来自分析的信息 - 纯 python 的缓慢将使我无法改进 Cython一个。

这是我要分析的函数的代码:

class motif_hit(object):
__slots__ = ['position', 'strand']

def __init__(self, int position=0, int strand=0):
    self.position = position
    self.strand = strand

#the decorator for line_profiler
@profile
def find_motifs_cython(list bed_list, list matrices=None, int limit=0, int mut=0):
    cdef int q = 3
    cdef list bg = [0.25, 0.25, 0.25, 0.25]
    cdef int matrices_length = len(matrices)
    cdef int results_length = 0
    cdef int results_length_shuffled = 0
    cdef np.ndarray upper_adjust_list = np.zeros(matrices_length, np.int)
    cdef np.ndarray lower_adjust_list = np.zeros(matrices_length, np.int)
    #this one need to be a list for MOODS
    cdef list threshold_list = [None for _ in xrange(matrices_length)]
    cdef list matrix_list = [None for _ in xrange(matrices_length)]
    cdef np.ndarray results_list = np.zeros(matrices_length, np.object)
    cdef int count_seq = len(bed_list)
    cdef int mat
    cdef int i, j, k
    cdef int position, strand
    cdef list result, results, results_shuffled
    cdef dict result_temp
    cdef int length
    if count_seq > 0:
        for mat in xrange(matrices_length):
            matrix_list[mat] = matrices[mat]['matrix'].tolist()
            #change that for a class
            results_list[mat] = 'kmer': matrices[mat]['kmer'],
                                 'motif_count': 0,
                                 'pos_seq_count': 0,
                                 'motif_count_shuffled': 0,
                                 'pos_seq_count_shuffled': 0,
                                 'ratio': 0,
                                 'sequence_positions': np.empty(count_seq, np.object)
            length = len(matrices[mat]['kmer'])
            #wrong with imbalanced matrices
            upper_adjust_list[mat] = int(ceil(length / 2.0))
            lower_adjust_list[mat] = int(floor(length / 2.0))
            #upper_adjust_list[mat] = 0
            #lower_adjust_list[mat] = 0
            #-0.1 to adjust for a division floating point bug (4.99999 !< 5, but is < 4.9!)
            threshold_list[mat] = MOODS.max_score(matrix_list[mat]) - float(mut) - 0.1

        #for each sequence
        for i in xrange(count_seq):
            item = bed_list[i]
            #TODO: remove the Ns, but it might unbalance
            results = MOODS.search(str(item.sequence[limit:item.total_length - limit]), matrix_list, threshold_list, q=q, bg=bg, absolute_threshold=True, both_strands=True)
            results_shuffled = MOODS.search(str(item.sequence_shuffled[limit:item.total_length - limit]), matrix_list, threshold_list, q=q, bg=bg, absolute_threshold=True, both_strands=True)
            results = results[0:len(matrix_list)]
            results_shuffled = results_shuffled[0:len(matrix_list)]
            results_length = len(results)
            #for each matrix
            for j in xrange(results_length):
                result = results[j]
                result_shuffled = results_shuffled[j]
                upper_adjust = upper_adjust_list[j]
                lower_adjust = lower_adjust_list[j]
                result_length = len(result)
                result_length_shuffled = len(result_shuffled)
                if result_length > 0:
                    results_list[j]['pos_seq_count'] += 1
                    results_list[j]['sequence_positions'][i] = np.empty(result_length, np.object)
                    #for each motif
                    for k in xrange(result_length):
                        position = result[k][0]
                        strand = result[k][1]
                        if position >= 0:
                                strand = 0
                                adjust = upper_adjust
                        else:
                                position = -position
                                strand = 1
                                adjust = lower_adjust
                        results_list[j]['motif_count'] += 1
                        results_list[j]['sequence_positions'][i][k] = motif_hit(position + adjust + limit, strand)

                if result_length_shuffled > 0:
                    results_list[j]['pos_seq_count_shuffled'] += 1
                    #for each motif
                    for k in xrange(result_length_shuffled):
                        results_list[j]['motif_count_shuffled'] += 1

                #j = j + 1
            #i = i + 1

        for i in xrange(results_length):
            result_temp = results_list[i]
            result_temp['ratio'] = float(result_temp['pos_seq_count']) / float(count_seq)
    return results_list

我很确定三重嵌套循环是主要的慢速部分 - 它的工作只是重新排列来自 MOODS 的结果,C 模块做主要工作。

【问题讨论】:

是其他方法上的cython函数方法吗? 不,它没有调用其他任何东西,除了通过 python 绑定的 c 模块 - 这可能是问题吗? 你想发布代码吗,如果我理解问题分析应该可以使用 ipython 贴出代码,希望有人能帮忙,它是用于科学应用的,在这种情况下速度真的很重要 似乎缺少一些要编译的代码的依赖项,motif_hitMOODS 【参考方案1】:

Till Hoffmann 在此处提供了有关在 Cython 中使用 line_profiler 的有用信息:How to profile cython functions line-by-line。

我引用他的解决方案:

Robert Bradshaw 帮助我让 Robert Kern 的 line_profiler 工具适用于 cdef 函数,我想我会在 *** 上分享结果。

简而言之,设置一个常规的.pyx 文件和构建脚本和pass to cythonize linetrace compiler directive 以启用分析和行跟踪:

from Cython.Build import cythonize

cythonize('hello.pyx', compiler_directives='linetrace': True)

您可能还想将 (undocumented) directive binding 设置为 True

此外,您应该通过修改 extensions 设置来定义 C 宏 CYTHON_TRACE=1,以便

extensions = [
    Extension('test', ['test.pyx'], define_macros=[('CYTHON_TRACE', '1')])
]

iPython 笔记本中使用%%cython 魔法的工作示例如下: http://nbviewer.ipython.org/gist/tillahoffmann/296501acea231cbdf5e7

【讨论】:

>>> from Cython.Compiler.Options import directive_defaults Traceback(最近一次调用最后):文件“”,第 1 行,在 ImportError: cannot import name 'directive_defaults' @machen,cython API 发生了变化。现在你需要做from Cython.Compiler.Options import get_directive_defaults; directive_defaults = get_directive_defaults()。见github.com/cython/cython/issues/1497【参考方案2】:

API 已更改。现在:

from Cython.Compiler.Options import get_directive_defaults
directive_defaults = get_directive_defaults()
directive_defaults['linetrace'] = True
directive_defaults['binding'] = True

【讨论】:

以上是关于Python Line_profiler 和 Cython 函数的主要内容,如果未能解决你的问题,请参考以下文章

安装python性能检测工具line_profiler

Python 分析:使用 line_profiler 的 @profile 装饰器会导致错误

使用 line_profiler 进行 Python 分析 - 即时删除 @profile 语句的巧妙方法?

Python line_profiler 找不到模块

Python,django:用line_profiler工具分析代码的性能

line_profiler 不返回任何输出