7

pyOpengl の glInterleavedArrays/glDrawArrays に送信する前に、多数の頂点とテクスチャ座標をインターリーブ配列にまとめようとしています。唯一の問題は、numpy 配列にデータを追加するのに十分な速度で適切な方法を見つけることができないことです。

これを行うより良い方法はありますか？配列を事前に割り当ててからデータを入力する方が速いと思っていましたが、代わりにpythonリストを生成してnumpy配列に変換する方が「高速」です。4096クワッドの15msは遅いようですが。

いくつかのサンプル コードとそのタイミングを含めました。

#!/usr/bin/python

import timeit
import numpy
import ctypes
import random

USE_RANDOM=True
USE_STATIC_BUFFER=True

STATIC_BUFFER = numpy.empty(4096*20, dtype=numpy.float32)

def render(i):
    # pretend these are different each time
    if USE_RANDOM:
        tex_left, tex_right, tex_top, tex_bottom = random.random(), random.random(), random.random(), random.random()
        left, right, top, bottom = random.random(), random.random(), random.random(), random.random()
    else:
        tex_left, tex_right, tex_top, tex_bottom = 0.0, 1.0, 1.0, 0.0
        left, right, top, bottom = -1.0, 1.0, 1.0, -1.0

    ibuffer = (
        tex_left, tex_bottom,   left, bottom, 0.0,  # Lower left corner
        tex_right, tex_bottom,  right, bottom, 0.0, # Lower right corner
        tex_right, tex_top,     right, top, 0.0,    # Upper right corner
        tex_left, tex_top,      left, top, 0.0,     # upper left
    )

    return ibuffer



# create python list.. convert to numpy array at end
def create_array_1():
    ibuffer = []
    for x in xrange(4096):
        data = render(x)
        ibuffer += data

    ibuffer = numpy.array(ibuffer, dtype=numpy.float32)
    return ibuffer

# numpy.array, placing individually by index
def create_array_2():
    if USE_STATIC_BUFFER:
        ibuffer = STATIC_BUFFER
    else:
        ibuffer = numpy.empty(4096*20, dtype=numpy.float32)
    index = 0
    for x in xrange(4096):
        data = render(x)
        for v in data:
            ibuffer[index] = v
            index += 1
    return ibuffer

# using slicing
def create_array_3():
    if USE_STATIC_BUFFER:
        ibuffer = STATIC_BUFFER
    else:
        ibuffer = numpy.empty(4096*20, dtype=numpy.float32)
    index = 0
    for x in xrange(4096):
        data = render(x)
        ibuffer[index:index+20] = data
        index += 20
    return ibuffer

# using numpy.concat on a list of ibuffers
def create_array_4():
    ibuffer_concat = []
    for x in xrange(4096):
        data = render(x)
        # converting makes a diff!
        data = numpy.array(data, dtype=numpy.float32)
        ibuffer_concat.append(data)
    return numpy.concatenate(ibuffer_concat)

# using numpy array.put
def create_array_5():
    if USE_STATIC_BUFFER:
        ibuffer = STATIC_BUFFER
    else:
        ibuffer = numpy.empty(4096*20, dtype=numpy.float32)
    index = 0
    for x in xrange(4096):
        data = render(x)
        ibuffer.put( xrange(index, index+20), data)
        index += 20
    return ibuffer

# using ctype array
CTYPES_ARRAY = ctypes.c_float*(4096*20)
def create_array_6():
    ibuffer = []
    for x in xrange(4096):
        data = render(x)
        ibuffer += data
    ibuffer = CTYPES_ARRAY(*ibuffer)
    return ibuffer

def equals(a, b):

    for i,v in enumerate(a):
        if b[i] != v:
            return False
    return True



if __name__ == "__main__":
    number = 100

    # if random, don't try and compare arrays
    if not USE_RANDOM and not USE_STATIC_BUFFER:
        a =  create_array_1()
        assert equals( a, create_array_2() )
        assert equals( a, create_array_3() )
        assert equals( a, create_array_4() )
        assert equals( a, create_array_5() )
        assert equals( a, create_array_6() )

    t = timeit.Timer( "testing2.create_array_1()", "import testing2" )
    print 'from list:', t.timeit(number)/number*1000.0, 'ms'

    t = timeit.Timer( "testing2.create_array_2()", "import testing2" )
    print 'array: indexed:', t.timeit(number)/number*1000.0, 'ms'

    t = timeit.Timer( "testing2.create_array_3()", "import testing2" )
    print 'array: slicing:', t.timeit(number)/number*1000.0, 'ms'

    t = timeit.Timer( "testing2.create_array_4()", "import testing2" )
    print 'array: concat:', t.timeit(number)/number*1000.0, 'ms'

    t = timeit.Timer( "testing2.create_array_5()", "import testing2" )
    print 'array: put:', t.timeit(number)/number*1000.0, 'ms'

    t = timeit.Timer( "testing2.create_array_6()", "import testing2" )
    print 'ctypes float array:', t.timeit(number)/number*1000.0, 'ms'

乱数を使用したタイミング:

$ python testing2.py
from list: 15.0486779213 ms
array: indexed: 24.8184704781 ms
array: slicing: 50.2214789391 ms
array: concat: 44.1691994667 ms
array: put: 73.5879898071 ms
ctypes float array: 20.6674289703 ms

編集メモ: オブジェクトの再利用を減らし、毎回異なる頂点をシミュレートするために、レンダリングごとに乱数を生成するようにコードを変更しました。

編集注 2: 静的バッファーを追加し、すべての numpy.empty() で dtype=float32 を使用するように強制します

注 2010 年 4 月 1 日: まだ進展がなく、どの回答でもまだ問題が解決したとは思えません。

4

3 に答える 3

1

numpyの利点は、データを配列に格納するだけでは実現できません。1つずつではなく、配列内の多くの要素に対して操作を実行することで実現されます。あなたの例は、桁違いに高速化されたこの些細なソリューションに要約して最適化することができます。

numpy.random.standard_normal(4096*20)

...それはあまり役に立ちませんが、コストがどこにあるかについてのヒントになります。

これは、4096要素を超える反復を排除することにより、リスト追加ソリューションを（ただしわずかに）上回る段階的な改善です。

xs = numpy.arange(4096)
render2 = numpy.vectorize(render)

def create_array_7():
    ibuffer = STATIC_BUFFER
    for i, a in enumerate(render2(xs)):
        ibuffer[i::20] = a
    return ibuffer

...しかし、私たちが探しているスピードアップではありません。

レンダリングルーチンを再キャストすることで実際の節約が実現されるため、最終的にバッファに配置されるすべての値に対してPythonオブジェクトを作成する必要がなくなります。tex_left、tex_right...などはどこにありますか。から来る？それらは計算されていますか、それとも読み取られていますか？

于 2010-03-02T06:00:34.940 に答える
1

create_array_1が非常に高速である理由は、（python）リストの項目がすべて同じオブジェクトを指しているためと思われます。あなたがテストするならば、あなたはこれを見ることができます：

print (ibuffer[0] is ibuffer[1])

サブルーチン内。create_array_1では、これは（numpy配列を作成する前に）trueですが、create_array_2では、これは常にfalseになります。これは、配列変換のデータ変換ステップがcreate_array_1で1回だけ発生する必要があるのに対し、create_array_2では4096回発生することを意味していると思います。

これが理由なら、renderにランダムデータを生成させるとタイミングが違うと思います。Create_array_5は、最後にデータを追加するたびに新しい配列を作成するため、最も低速です。

于 2010-02-28T20:55:15.383 に答える
0

奇妙に思えるかもしれませんが、試してみましたfromfileか?

于 2010-03-01T20:55:08.847 に答える