Перетворити програму Python у код C / C ++? [зачинено]

чи можливо перетворити програму Python на C / C ++?

Мені потрібно реалізувати пару алгоритмів, і я не впевнений, чи є розрив у продуктивності достатньо великий, щоб виправдати весь біль, який я зазнав би, коли робив це в C / C ++ (що мені не вдається). Я думав написати один простий алгоритм і порівняти його проти такого перетвореного рішення. Якщо це одне значно швидше, ніж версія Python, то у мене не буде іншого вибору, ніж це робити в C / C ++.

Так. Подивіться на Сітона . Це робиться саме так: перетворює Python на C для прискорень.

Якщо варіанту C потрібно на x годин менше, то я би вклав цей час у те, щоб алгоритми працювали довше / знову

"Інвестувати" тут не є правильним словом.

1. Створіть робочу реалізацію в Python. Ви закінчите це задовго до того, як закінчите C-версію.

2. Виміряйте продуктивність за допомогою профілера Python. Виправте будь-які проблеми, які ви знайдете. Змініть структури даних та алгоритми, як це необхідно, щоб дійсно це зробити правильно. Ви закінчите це задовго до того, як закінчите першу версію в C.

3. Якщо це все ще занадто повільно, переведіть вручну добре розроблений і ретельно сконструйований Python на C.

   Через те, як працює заднім оглядом, виконання другої версії з існуючого Python (з існуючими тестовими одиницями та з наявними даними профілювання) все одно буде швидше, ніж намагатися зробити код C з нуля.

Ця цитата важлива.

Правило Томпсона для виробників телескопів вперше
Швидше зробити чотирьох-дюймове дзеркало, а потім шість-дюймове дзеркало, ніж зробити шість-дюймове дзеркало.

Інститут Білла Маккінана Ванга

Shed Skin - це "(обмежений) компілятор Python-to-C ++".

Щойно натрапив на цей новий інструмент у новинах хакерів.

На їхній сторінці - "Nuitka є хорошою заміною інтерпретатора Python і збирає кожну конструкцію, яку пропонує CPython 2.6, 2.7, 3.2 та 3.3. Вона переводить Python у програму C ++, яка потім використовує" libpython "для виконання так само, як і CPython робить це дуже сумісним чином ".

Ще один варіант - перетворити на C ++ крім Shed Skin - це Pythran .

Цитувати високоефективний Python від Micha Gorelick та Ian Ozsvald :

Pythran - компілятор Python-to-C ++ для підмножини Python, що включає часткову numpyпідтримку. Він дуже схожий на Numba та Cython - ви коментуєте аргументи функції, а потім переймаєте її з подальшою анотацією та спеціалізацією коду. Він використовує можливості векторизації та можливості паралелізації на основі OpenMP. Він працює лише з використанням Python 2.7.

Одна дуже цікава особливість Pythran полягає в тому, що він намагатиметься автоматично помітити паралелізаційні можливості (наприклад, якщо ви використовуєте a map) і перетворити це в паралельний код, не вимагаючи від вас додаткових зусиль. Ви також можете вказати паралельні розділи, використовуючи pragma omp > директиви; у цьому відношенні він дуже схожий на підтримку Cython OpenMP.

За лаштунками Pythran візьме як звичайний Python, так і nummy код і спробує агресивно компілювати їх у дуже швидкий C ++ - навіть швидше, ніж результати Cython.

Ви повинні зауважити, що цей проект молодий, і у вас можуть виникнути помилки; Ви також повинні зауважити, що команда розробників дуже доброзичлива і прагне виправити помилки за лічені години.

Я знаю, що це старіші теми, але я хотів дати корисну інформацію.

Я особисто використовую PyPy, який дуже просто встановити за допомогою pip. Я взаємозамінно використовую інтерпретатор Python / PyPy, вам взагалі не потрібно міняти свій код, і я виявив, що він приблизно в 40 разів швидший, ніж у стандартного інтерпретатора python (або Python 2x або 3x). Я використовую pyCharm Community Edition для управління своїм кодом, і мені це подобається.

Мені подобається писати код в python, оскільки я думаю, що це дозволяє більше зосередитись на задачі, ніж на мові, що є для мене величезним плюсом. І якщо вам це потрібно ще швидше, ви завжди можете компілювати в двійковий файл для Windows, Linux або Mac (не прямо, але можливо за допомогою інших інструментів). Зі свого досвіду я отримую приблизно 3,5-кратну швидкість над PyPy при компілюванні, що означає на 140 разів швидше, ніж python. PyPy доступний для Python 3x і 2x коду, і знову, якщо ви використовуєте IDE, подібний PyCharm, ви можете легко обмінюватися між скажімо PyPy, Cython і Python (хоча потрібно трохи початкового навчання та налаштування).

Деякі люди можуть посперечатися зі мною на цьому, але я вважаю, що PyPy є швидшим за Cython. Але вони обоє чудовий вибір.

Редагувати: Я хотів би зробити ще одну швидку примітку щодо компіляції: коли ви компілюєте, отриманий бінарний файл набагато більший, ніж ваш сценарій python, оскільки він створює в ньому всі залежності і т.д. тепер додаток буде працювати на будь-якій машині (залежно від того, для якої ОС ви склали, якщо не всі. lol) без Python або бібліотек, він також обробляє ваш код і технічно готовий (до певної міри). Деякі компілятори також генерують код C, який я насправді не переглядав і не бачив, чи це корисно чи просто хитрощі. Удачі.

Сподіваюся, що це допомагає.

Я розумію, що відповідь на зовсім нове рішення відсутня. Якщо в коді використовується Numpy, я б радив спробувати Pythran:

http://pythran.readthedocs.io/

Для функцій, які я намагався, Pythran дає надзвичайно хороші результати. Отримані в результаті функції так само швидко записуються кодом Fortran (або лише трохи повільніше) і трохи швидше, ніж (досить оптимізоване) рішення Cython.

Перевага порівняно з Cython полягає в тому, що вам просто потрібно використовувати Pythran для функції Python, оптимізованої для Numpy, що означає, що вам не потрібно розширювати цикли та додавати типи для всіх змінних у циклі. Pythran потребує свого часу, щоб проаналізувати код, щоб він зрозумів операції numpy.ndarray.

Це також величезна перевага порівняно з Numba або іншими проектами, заснованими на щойно вкладеній компіляції, для яких (наскільки мені відомо), ви повинні розширити петлі, щоб бути дійсно ефективними. І тоді код з циклами стає дуже неефективним, використовуючи лише CPython та Numpy ...

Недолік Pythran: немає занять! Але оскільки тільки функції, які дійсно потребують оптимізації, мають бути скомпільовані, це не дуже дратує.

Ще один момент: Pythran підтримує (і дуже легко) паралелізм OpenMP. Але я не думаю, що mpi4py підтримується ...

http://code.google.com/p/py2c/ виглядає як можливість - вони також згадують на своєму сайті: Cython, Shedskin та RPython і підтверджують, що вони перетворюють код Python в чистий C / C ++, що набагато швидше, ніж C / C ++ пронизаний викликами API Python. Примітка. Я не пробував цього, але збираюся ..