高性能的Python扩展（3）_程序人生

高性能的Python扩展（3）

admin

2023-07-31 01:42:38

0次

高性能的Python扩展（1）
高性能的Python扩展（2）

简介

本文是这个系列的第三篇，我们关注于使用NumPy API为Python编写高性能的C扩展模块。在本文中，我们将使用OpenMP来并行第二部分中的实现。

回顾

Wrold是存储N体状态的一个类。我们的模拟将演化一系列时间步长下的状态。

1234567891011121314151617181920212223242526272829303132333435363738

class World(object): \”\”\”World is a structure that holds the state of N bodies and additional variables. threads : (int) The number of threads to use for multithreaded implementations. dt : (float) The time-step. STATE OF THE WORLD: N : (int) The number of bodies in the simulation. m : (1D ndarray) The mass of each body. r : (2D ndarray) The position of each body. v : (2D ndarray) The velocity of each body. F : (2D ndarray) The force on each body. TEMPORARY VARIABLES: Ft : (3D ndarray) A 2D force array for each thread\’s local storage. s : (2D ndarray) The vectors from one body to all others. s3 : (1D ndarray) The norm of each s vector. NOTE: Ft is used by parallel algorithms for thread-local storage. s and s3 are only used by the Python implementation. \”\”\” def __init__(self, N, threads=1, m_min=1, m_max=30.0, r_max=50.0, v_max=4.0, dt=1e–3): self.threads = threads self.N = N self.m = np.random.uniform(m_min, m_max, N) self.r = np.random.uniform(–r_max, r_max, (N, 2)) self.v = np.random.uniform(–v_max, v_max, (N, 2)) self.F = np.zeros_like(self.r) self.Ft = np.zeros((threads, N, 2)) self.s = np.zeros_like(self.r) self.s3 = np.zeros_like(self.m) self.dt = dt

在开始模拟时，N体被随机分配质量m，位置r和速度v。对于每个时间步长，接下来的计算有：

合力F，每个体上的合力根据所有其他体的计算。
速度v，由于力的作用每个体的速度被改变。
位置r，由于速度每个体的位置被改变。

计算力：串行代码

下面是之前文章实现中（全部的源代码在这里）的compute_F函数。这个函数计算模拟中每对体之间的相互作用力，其复杂度为O(N^2)。

12345678910111213141516171819202122232425262728

高性能的Python扩展（2）

简介

本文是这个系列的第三篇，我们关注于使用NumPy API为Python编写高性能的C扩展模块。在本文中，我们将使用OpenMP来并行第二部分中的实现。

回顾

Wrold是存储N体状态的一个类。我们的模拟将演化一系列时间步长下的状态。

1234567891011121314151617181920212223242526272829303132333435363738

在开始模拟时，N体被随机分配质量m，位置r和速度v。对于每个时间步长，接下来的计算有：

合力F，每个体上的合力根据所有其他体的计算。
速度v，由于力的作用每个体的速度被改变。
位置r，由于速度每个体的位置被改变。

计算力：串行代码

下面是之前文章实现中（全部的源代码在这里）的compute_F函数。这个函数计算模拟中每对体之间的相互作用力，其复杂度为O(N^2)。

12345678910111213141516171819202122232425262728

static inline void compute_F(npy_int64 N, npy_float64 *m, __m128d *r, __m128d *F) { npy_int64 i, j; __m128d s, s2, tmp; npy_float64 s3; // Set all forces to zero. for(i = 0; i < N; ++i) { F[i] = _mm_set1_pd(0); } // Compute forces between pairs of bodies. for(i = 0; i < N; ++i) { for(j = i + 1; j < N; ++j) { s = r[j] – r[i]; s2 = s=\”crayon-s\”> v : (2D ndarray) The velocity of each body. F : (2D ndarray) The force on each body. TEMPORARY VARIABLES: Ft : (3D ndarray) A 2D force array for each thread\’s local storage. s : (2D ndarray) The vectors from one body to all others. s3 : (1D ndarray) The norm of each s vector. NOTE: Ft is used by parallel algorithms for thread-local

上一篇："Hello world!" 混乱代码比赛第一名作品解析

下一篇：高性能的Python扩展（2）

高性能的Python扩展（3）

回顾

计算力：串行代码

回顾

计算力：串行代码

相关内容

热门资讯