Tapez l'erreur '__Pyx_memviewslice' sur 'double *' Cython, quel est l'équivalent? MKL fonction prange code

Question

J'ai écrit un programme Cython appelant Intel MKL pour la multiplication de matrices, dans le but de le rendre parallèle. Il était basé sur un ancien post SO lié à BLAS et utilisait un tas de méthodes Cython que je n'avais jamais vues, mais je l'ai fait fonctionner et c'était beaucoup plus lent que NumPy (également lié à MKL). Afin de l'accélérer, j'ai utilisé le format Memoryview typique (il utilisait le type de données ndarraynp.float64_t pour quelques opérations). Mais maintenant, il ne fonctionne plus en utilisant double[::1] Memoryviews. Voici l'erreur générée: 'type cast': cannot convert from '__Pyx_memviewslice' to 'double *'

Et en raison de la distribution de type ne fonctionne pas, la fonction MKL ne voit que 3 5 arguments: error C2660: 'cblas_ddot': function does not take 3 arguments

Voici le code .PYX:

import numpy as np 
cimport numpy as np 
cimport cython 
from cython cimport view 
from cython.parallel cimport prange  #this is your OpenMP portion 
from openmp cimport omp_get_max_threads #only used for getting the max # of threads on the machine 

cdef extern from "mkl_cblas.h" nogil: #import a function from Intel's MKL library 
    double ddot "cblas_ddot"(int N, 
          double *X, 
          int incX, 
          double *Y, 
          int incY) 

@cython.boundscheck(False) 
@cython.wraparound(False) 
@cython.cdivision(True) 
cpdef matmult(double[:,::1] A, double[:,::1] B): 
    cdef int Ashape0=A.shape[0], Ashape1=A.shape[1], Bshape0=B.shape[0], Bshape1=B.shape[1], Arowshape0=A[0,:].shape[0] #these are defined here as they aren't allowed in a prange loop 

    if Ashape1 != Bshape1: 
     raise TypeError('Inner dimensions are not consistent!') 

    cdef int i, j 
    cdef double[:,::1] out = np.zeros((Ashape0, Bshape1)) 
    cdef double[::1] A_row = np.zeros(Ashape0) 
    cdef double[:] B_col = np.zeros(Bshape1) #no idea why this is not allowed to be [::1] 
    cdef int Arowstrides = A_row.strides[0] // sizeof(double) 
    cdef int Bcolstrides = B_col.strides[0] // sizeof(double) 
    cdef int maxthreads = omp_get_max_threads() 

    for i in prange(Ashape0, nogil=True, num_threads=maxthreads, schedule='static'): # to use all cores 

     A_row = A[i,:] 
     for j in range(Bshape1): 
      B_col = B[:,j] 
      out[i,j] = ddot(Arowshape0, #call the imported Intel MKL library 
          <double*>A_row, 
          Arowstrides, 
          <double*>B_col, 
          Bcolstrides) 

return np.asarray(out) 

Je suis sûr que c'est facile pour quelqu'un sur SO à signaler. Et s'il vous plaît conseiller si vous voyez où l'amélioration peut être faite - cela a été piraté et coupé ensemble et je ne pense pas que les boucles d'i/j sont même nécessaires. L'exemple le plus propre autour de: https://gist.github.com/JonathanRaiman/f2ce5331750da7b2d4e9 que j'ai finalement compilé est en réalité beaucoup plus rapide (2x) mais ne donne aucun résultat donc je le mettrai dans un autre post (ici: Calling BLAS/LAPACK directly using the SciPy interface and Cython - also how to add MKL)

Très apprécié.

Answer 1

Pour obtenir un pointeur d'un memoryview vous devez prendre l'adresse du premier élément

ddot(Arowshape0, #call the imported Intel MKL library 
         &A_row[0], 
         Arowstrides, 
         &B_col[0], 
         Bcolstrides)