我一直认为,numpy uses是一种pairwise-summation,它确保了float32
的高精度 - 操作:
import numpy as np
N=17*10**6 # float32-precision no longer enough to hold the whole sum
print(np.ones((N,1),dtype=np.float32).sum(axis=0))
# [17000000.], kind of expected
但是,如果矩阵具有多个列,则看起来好像使用了不同的算法:
print(np.ones((N,2),dtype=np.float32).sum(axis=0))
# [16777216. 16777216.] the error is just to big
print(np.ones((2*N,2),dtype=np.float32).sum(axis=0))
# [16777216. 16777216.] error is bigger
可能sum
只是天真地总结所有价值观。一个迹象是16777216.f+1.0f=16777216.f
,例如:
one = np.array([1.], np.float32)
print(np.array([16777215.], np.float32)+one) # 16777216.
print(np.array([16777216.], np.float32)+one) # 16777216. as well
为什么numpy不使用多列的成对求和,并且numpy也可以强制使用成对求和多列?
我的numpy版本是1.14.2,如果它发挥作用。
我真的没有解释,但似乎与内存布局有关。使用fortran顺序而不是默认的C顺序,我得到了所需的输出。
>>> np.ones((N,2),dtype=np.float32, order='C').sum(axis=0)
array([16777216., 16777216.], dtype=float32)
>>> np.ones((N,2),dtype=np.float32, order='F').sum(axis=0)
array([17000000., 17000000.], dtype=float32)
这种行为是由于在减少操作期间numpy访问内存的方式(“添加”只是一种特殊情况)以提高缓存的利用率。
对于某些情况(如上所述),可以强制执行成对求和而不会对性能产生重大影响。但总的来说,执行它会导致大量性能损失 - 使用双精度可能更容易,这在大多数情况下可以缓解上述问题。
可以看到成对求和,作为“添加”操作的非常具体的优化,如果满足一些约束(稍后更多),则完成。
求和(以及许多其他缩减操作)是内存带宽限制的。如果我们沿着一个连续的轴相加,那么生命是好的:获取索引i
的缓存中的内存将被直接重用于索引i+1
,i+2
,...的计算,而不会在被使用之前从缓存中逐出。
情况是不同的,当求和不是沿着一个连续的轴:添加一个float32元素16-float32s被提取到缓存中,但其中15个在被使用之前被驱逐,并且必须再次获取 - 什么浪费。
这就是为什么numpy在这种情况下逐行求和:将第一行和第二行相加,然后将第三行添加到结果中,然后是第四行,依此类推。但是,成对求和仅用于一维求和,不能在此处使用。
在以下情况下执行成对求和:
sum
被称为一维numpy数组sum
沿着一个连续的轴被称为numpy(但是?)提供了一种强制成对求和的方法,而不会对性能产生重大负面影响。
我对它的看法:目标应该是沿着连续轴进行求和,这不仅更精确,而且可能更快:
A=np.ones((N,2), dtype=np.float32, order="C") #non-contiguous
%timeit A.sum(axis=0)
# 326 ms ± 9.17 ms
B=np.ones((N,2), dtype=np.float32, order="F") # contiguous
%timeit B.sum(axis=0)
# 15.6 ms ± 898 µs
在这种特殊情况下,连续只有2个元素,开销太大(参见here解释的类似行为)。
它可以做得更好,例如通过仍然不精确的einsum
:
%timeit np.einsum("i...->...", A)
# 74.5 ms ± 1.47 ms
np.einsum("i...->...", A)
# array([16777216., 16777216.], dtype=float32)
甚至:
%timeit np.array([A[:,0].sum(), A[:,1].sum()], dtype=np.float32)
# 17.8 ms ± 333 µs
np.array([A[:,0].sum(), A[:,1].sum()], dtype=np.float32)
# array([17000000., 17000000.], dtype=float32)
这不仅与连续版本一样快(加载内存两次的代价不如加载内存16倍),而且精确,因为sum
用于一维numpy数组。
对于更多列,对于numpy和einsum-way,连续情况的差异要小得多:
B=np.ones((N,16), dtype=np.float32, order="F")
%timeit B.sum(axis=0)
# 121 ms ± 3.66 ms
A=np.ones((N,16), dtype=np.float32, order="C")
%timeit A.sum(axis=0)
# 457 ms ± 12.1 ms
%timeit np.einsum("i...->...", A)
# 139 ms ± 651 µs per loop
但是对于“精确”技巧来说,性能非常糟糕,可能是因为计算不再隐藏延迟:
def do(A):
N=A.shape[1]
res=np.zeros(N, dtype=np.float32)
for i in range(N):
res[i]=A[:,i].sum()
return res
%timeit do(A)
# 1.39 s ± 47.8 ms
以下是numpy实现的血腥细节。
差异可以在FLOAT_add
的代码中看到,其中包含来自here的定义:
#define IS_BINARY_REDUCE ((args[0] == args[2])\
&& (steps[0] == steps[2])\
&& (steps[0] == 0))
#define BINARY_REDUCE_LOOP(TYPE)\
char *iop1 = args[0]; \
TYPE io1 = *(TYPE *)iop1; \
/** (ip1, ip2) -> (op1) */
#define BINARY_LOOP\
char *ip1 = args[0], *ip2 = args[1], *op1 = args[2];\
npy_intp is1 = steps[0], is2 = steps[1], os1 = steps[2];\
npy_intp n = dimensions[0];\
npy_intp i;\
for(i = 0; i < n; i++, ip1 += is1, ip2 += is2, op1 += os1)
/**begin repeat
* Float types
* #type = npy_float, npy_double, npy_longdouble#
* #TYPE = FLOAT, DOUBLE, LONGDOUBLE#
* #c = f, , l#
* #C = F, , L#
*/
/**begin repeat1
* Arithmetic
* # kind = add, subtract, multiply, divide#
* # OP = +, -, *, /#
* # PW = 1, 0, 0, 0#
*/
NPY_NO_EXPORT void
@TYPE@_@kind@(char **args, npy_intp *dimensions, npy_intp *steps, void *NPY_UNUSED(func))
{
if (IS_BINARY_REDUCE) {
#if @PW@
@type@ * iop1 = (@type@ *)args[0];
npy_intp n = dimensions[0];
*iop1 @OP@= pairwise_sum_@TYPE@(args[1], n, steps[1]);
#else
BINARY_REDUCE_LOOP(@type@) {
io1 @OP@= *(@type@ *)ip2;
}
*((@type@ *)iop1) = io1;
#endif
}
else if (!run_binary_simd_@kind@_@TYPE@(args, dimensions, steps)) {
BINARY_LOOP {
const @type@ in1 = *(@type@ *)ip1;
const @type@ in2 = *(@type@ *)ip2;
*((@type@ *)op1) = in1 @OP@ in2;
}
}
}
曾经生成的如下所示:
NPY_NO_EXPORT void
FLOAT_add(char **args, npy_intp *dimensions, npy_intp *steps, void *NPY_UNUSED(func))
{
if (IS_BINARY_REDUCE) {
#if 1
npy_float * iop1 = (npy_float *)args[0];
npy_intp n = dimensions[0];
*iop1 += pairwise_sum_FLOAT((npy_float *)args[1], n,
steps[1] / (npy_intp)sizeof(npy_float));
#else
BINARY_REDUCE_LOOP(npy_float) {
io1 += *(npy_float *)ip2;
}
*((npy_float *)iop1) = io1;
#endif
}
else if (!run_binary_simd_add_FLOAT(args, dimensions, steps)) {
BINARY_LOOP {
const npy_float in1 = *(npy_float *)ip1;
const npy_float in2 = *(npy_float *)ip2;
*((npy_float *)op1) = in1 + in2;
}
}
}
FLOAT_add
可用于一维缩减,在这种情况下:
args[0]
是指向结果/初始值的指针(与args[2]
相同)args[1]
是输入数组steps[0]
和steps[2]
是0
,即指针是标量。然后可以使用成对求和(用IS_BINARY_REDUCE
检查)。
FLOAT_add
可用于添加两个向量,在这种情况下:
args[0]
第一个输入数组args[1]
第二个输入数组args[2]
输出数组steps
- 在数组中为上述数组从一个元素到另一个元素的步骤。参数@PW@
仅用于求和1
- 对于所有其他操作,不使用成对求和。