如何让 Cython 更快？

Question

这是我的代码的一部分。我在 python 和 cython 中都试过了。在这种情况下，Cython 快 2 秒（仅当提到返回类型时。否则，它比 python 代码慢近 3.5 秒）。有没有机会让它更快。任何帮助/讨论将不胜感激。谢谢。

%%cython

# %%cython --compile-args=-fopenmp --link-args=-fopenmp --force

cimport cython
cimport numpy as cnp
import numpy as np
from cython.parallel import parallel, prange

ctypedef cnp.int_t DTYPE

@cython.boundscheck(False)
@cython.cdivision(True)
@cython.wraparound(False)
@cython.nogil
@cython.cfunc
@cython.exceptval(-1)
@cython.returns(list )
cdef list sub_mat_extract ( cnp.ndarray[ DTYPE , ndim= 3] mat ,  cython.int neibors) : 
    
#     print('sub_mat_extract: ', np.shape(mat)  )

#     temp = []
    cdef:
        Py_ssize_t M = 0, N = 0, x =0
        Py_ssize_t i
        Py_ssize_t j
        Py_ssize_t row = np.shape(mat)[0] 
        Py_ssize_t col = np.shape(mat)[1] 
        
        list temp = []       
        list temp1 = []
        list dup1 = []  
        list dup2 = []
        
   
    for i in range(  ((neibors-1)/2) , row - ((neibors-1)/2) ):
        N = 0
        temp1 = []
        for j in range( col  ):
            temp1.extend(mat[ j + M ][ 0 + N : neibors + N])
    #         print(i,M, mat[i+M][0+N :3+N])
    #             print(temp1)


            if j + M == neibors + M-1:
                M = M + 1
                break
        temp.append(temp1)
        N += 1    
        if M == col:
            break

    dup1 = []
     

    for i in range(len(temp) ):
        x = 0
        while (x <= col - neibors):

            dup2 = []
            for j in range(len(temp[i])):
    #                 print([temp[i][j][0], temp[i][j][1]+x] )
                dup2.append([temp[i][j][0], temp[i][j][1]+x] )
            dup1.append(dup2)    
            x = x+1

        
    return (dup1)

def action(mat, neibor):
    return (sub_mat_extract(np.array(mat), neibor ))

python版本时间：

CPU times: total: 5.23 s
Wall time: 5.77 s

同样适用于 cython：

CPU times: total: 3.14 s
Wall time: 4.78 s

我正在尝试将我所有的代码从传统的 python 转换为 cython。我想看看是否在所有情况下，cython 都能比 python 更快。我的最终目标是了解代码的运行速度（利用硬件（numba+多进程）和类似 python 的编译器）。我只在 jupyter notebook 中运行代码。