prometeo入门实战用3个经典例子掌握矩阵乘法与向量运算【免费下载链接】prometeoAn experimental Python-to-C transpiler and domain specific language for embedded high-performance computing项目地址: https://gitcode.com/gh_mirrors/pr/prometeoprometeo 是一个实验性的Python 到 C 转译器Python-to-C transpiler与领域特定语言DSL专为嵌入式高性能计算设计。你可以用熟悉的 Python 语法编写科学计算程序包括矩阵乘法与向量运算再由 prometeo 自动生成自包含、可部署到嵌入式设备的 C 代码。本文通过 3 个经典实战例子带你从零上手 prometeo快速掌握它的核心用法。prometeo 是什么让 Python 代码变身嵌入式 C 程序prometeo 的思路很直接既然手写高性能 C 代码门槛高、易出错那能不能写 Python、出 C 代码prometeo 给出了肯定答案它通过静态分析代码的抽象语法树AST完成转译具备这些特点Python 兼容语法程序可以直接用 Python 解释器运行也可以转译为 C高性能生成的 C 代码调用 BLASFEO 高性能线性代数库速度接近手写 C强制静态类型使用 Python 原生类型标注type hints进行严格类型检查确定性内存使用静态分析保证堆内存使用上限可预测且避免运行时分配与垃圾回收执行更快更安全自包含可嵌入生成的 C 代码无需链接 Python 运行时库可直接部署到嵌入式硬件。prometeo 转译的核心流程可以直观理解为解析 → 分析 → 生成 C 代码如下图所示开始前的准备prometeo 环境搭建与运行命令prometeo 要求Python 3.6 及以上版本一条命令即可完成安装pip install prometeo-dsl如果想从源码手动构建比如研究内部实现也可以克隆仓库后按文档步骤安装git clone https://gitcode.com/gh_mirrors/pr/prometeo运行任何 prometeo 程序都使用统一的pmt命令两个关键参数必须掌握pmt xxx.py --cgenFalse仅用 Python 解释器运行便于调试pmt xxx.py --cgenTrue生成 C 代码 → 编译 → 运行真正的性能模式。下面这张动图展示了 helloworld 示例的完整运行过程包括堆内存分析和执行耗时输出例子1矩阵乘法入门用 pmat 写第一个程序第一个经典例子是矩阵乘法来自官方示例 examples/simple_example/simple_example.py。prometeo 用pmat表示矩阵创建后即可像 NumPy 一样用A[i, j]下标赋值直接用C A * B完成矩阵乘法from prometeo import * n: dims 10 def main() - int: A: pmat pmat(n, n) for i in range(10): for j in range(10): A[i, j] 1.0 B: pmat pmat(n, n) for i in range(10): B[0, i] 2.0 C: pmat pmat(n, n) C A * B pmat_print(C) return 0运行pmt simple_example.py --cgenTrue后prometeo 会生成调用c_pmt_gemm_nn即 BLASFEO 的通用矩阵乘法接口的 C 代码矩阵乘法在底层被高度优化。pmat的完整定义在 prometeo/linalg/pmat.py除了*运算符还支持切片赋值、转置、pmat_hcat拼接等操作是编写数值算法的核心类型。例子2向量运算pvec 的创建、赋值与拷贝掌握了矩阵乘法再来看向量运算。prometeo 用pvec表示一维向量同样支持下标访问并提供pvec_copy、pvec_print等便捷函数定义见 prometeo/linalg/pvec.pyfrom prometeo import * def main() - int: v: pvec pvec(5) tmp: float 0.0 for i in range(5): tmp tmp 1.0 v[i] tmp w: pvec pvec(5) pvec_copy(v, w) # 向量拷贝w v pvec_print(w) return 0和pmat一样pvec的所有内存都在创建时一次性确定循环中不会发生任何动态分配——这正是嵌入式场景最需要的特性。向量运算通常作为矩阵乘法的零件出现在更大规模的算法中比如下面的第三个例子。例子3综合实战Riccati 分解中的矩阵乘法第三个经典例子是 Riccati 分解Riccati factorization出自 examples/riccati_example/riccati_compact.py。它是模型预测控制MPC中的核心计算大量使用矩阵乘法、转置与求逆。prometeo 的pparse甚至允许你用接近数学表达式的字符串直接描述矩阵运算pparse(Pk Qk Ak.T * Pk * Ak \ - (Ak.T * Pk * Bk) * ((Rk Bk.T * Pk * Bk) \ \ (Bk.T * Pk * Ak)))这行代码会被自动展开为一系列pmt_gemm矩阵乘法与pmt_potrfCholesky 分解调用。可以看到把矩阵乘法与向量运算组合起来就能写出非常紧凑、可读性极强的高性能数值代码。那么性能到底如何官方在 i7-7560U 上对 Riccati 分解做了基准测试prometeo 转译出的 C 代码与手写 C BLASFEO 几乎持平且显著优于 NumPy 和 Juliaprometeo 到底有多快一组直观的基准数据除了矩阵乘法prometeo 在通用计算上同样表现出色。在 examples/fibonacci/fibonacci.py 的 Fibonacci 基准测试中重复 3000 万次各方案的 CPU 耗时对比如下解析器/编译器CPU 时间秒Python 3.7 (CPython)11.787Nuitka10.039PyPy1.78prometeo0.657prometeo 比 CPython 快了约18 倍甚至优于以速度著称的 PyPy充分体现了静态类型 确定性内存 无垃圾回收三大设计带来的优势。小结下一步你可以看什么通过 3 个经典例子你已经掌握了 prometeo 的矩阵乘法与向量运算基本用法。想继续深入可以研究这些资源更多官方示例examples/simple_example/、examples/riccati_example/线性代数底层封装prometeo/linalg/blasfeo_wrapper.pyPython 语法支持细节docs/source/python_syntax/python_syntax.rst。注意prometeo 目前仍处于早期实验阶段仅支持部分线性代数操作和 Python 语法子集但作为写 Python、出 C的嵌入式高性能计算利器它已经足够惊艳。动手跑一遍上面的例子你会更快感受到它的魅力【免费下载链接】prometeoAn experimental Python-to-C transpiler and domain specific language for embedded high-performance computing项目地址: https://gitcode.com/gh_mirrors/pr/prometeo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 prometeo入门实战：用3个经典例子掌握矩阵乘法与向量运算
prometeo入门实战用3个经典例子掌握矩阵乘法与向量运算【免费下载链接】prometeoAn experimental Python-to-C transpiler and domain specific language for embedded high-performance computing项目地址: https://gitcode.com/gh_mirrors/pr/prometeoprometeo 是一个实验性的Python 到 C 转译器Python-to-C transpiler与领域特定语言DSL专为嵌入式高性能计算设计。你可以用熟悉的 Python 语法编写科学计算程序包括矩阵乘法与向量运算再由 prometeo 自动生成自包含、可部署到嵌入式设备的 C 代码。本文通过 3 个经典实战例子带你从零上手 prometeo快速掌握它的核心用法。prometeo 是什么让 Python 代码变身嵌入式 C 程序prometeo 的思路很直接既然手写高性能 C 代码门槛高、易出错那能不能写 Python、出 C 代码prometeo 给出了肯定答案它通过静态分析代码的抽象语法树AST完成转译具备这些特点Python 兼容语法程序可以直接用 Python 解释器运行也可以转译为 C高性能生成的 C 代码调用 BLASFEO 高性能线性代数库速度接近手写 C强制静态类型使用 Python 原生类型标注type hints进行严格类型检查确定性内存使用静态分析保证堆内存使用上限可预测且避免运行时分配与垃圾回收执行更快更安全自包含可嵌入生成的 C 代码无需链接 Python 运行时库可直接部署到嵌入式硬件。prometeo 转译的核心流程可以直观理解为解析 → 分析 → 生成 C 代码如下图所示开始前的准备prometeo 环境搭建与运行命令prometeo 要求Python 3.6 及以上版本一条命令即可完成安装pip install prometeo-dsl如果想从源码手动构建比如研究内部实现也可以克隆仓库后按文档步骤安装git clone https://gitcode.com/gh_mirrors/pr/prometeo运行任何 prometeo 程序都使用统一的pmt命令两个关键参数必须掌握pmt xxx.py --cgenFalse仅用 Python 解释器运行便于调试pmt xxx.py --cgenTrue生成 C 代码 → 编译 → 运行真正的性能模式。下面这张动图展示了 helloworld 示例的完整运行过程包括堆内存分析和执行耗时输出例子1矩阵乘法入门用 pmat 写第一个程序第一个经典例子是矩阵乘法来自官方示例 examples/simple_example/simple_example.py。prometeo 用pmat表示矩阵创建后即可像 NumPy 一样用A[i, j]下标赋值直接用C A * B完成矩阵乘法from prometeo import * n: dims 10 def main() - int: A: pmat pmat(n, n) for i in range(10): for j in range(10): A[i, j] 1.0 B: pmat pmat(n, n) for i in range(10): B[0, i] 2.0 C: pmat pmat(n, n) C A * B pmat_print(C) return 0运行pmt simple_example.py --cgenTrue后prometeo 会生成调用c_pmt_gemm_nn即 BLASFEO 的通用矩阵乘法接口的 C 代码矩阵乘法在底层被高度优化。pmat的完整定义在 prometeo/linalg/pmat.py除了*运算符还支持切片赋值、转置、pmat_hcat拼接等操作是编写数值算法的核心类型。例子2向量运算pvec 的创建、赋值与拷贝掌握了矩阵乘法再来看向量运算。prometeo 用pvec表示一维向量同样支持下标访问并提供pvec_copy、pvec_print等便捷函数定义见 prometeo/linalg/pvec.pyfrom prometeo import * def main() - int: v: pvec pvec(5) tmp: float 0.0 for i in range(5): tmp tmp 1.0 v[i] tmp w: pvec pvec(5) pvec_copy(v, w) # 向量拷贝w v pvec_print(w) return 0和pmat一样pvec的所有内存都在创建时一次性确定循环中不会发生任何动态分配——这正是嵌入式场景最需要的特性。向量运算通常作为矩阵乘法的零件出现在更大规模的算法中比如下面的第三个例子。例子3综合实战Riccati 分解中的矩阵乘法第三个经典例子是 Riccati 分解Riccati factorization出自 examples/riccati_example/riccati_compact.py。它是模型预测控制MPC中的核心计算大量使用矩阵乘法、转置与求逆。prometeo 的pparse甚至允许你用接近数学表达式的字符串直接描述矩阵运算pparse(Pk Qk Ak.T * Pk * Ak \ - (Ak.T * Pk * Bk) * ((Rk Bk.T * Pk * Bk) \ \ (Bk.T * Pk * Ak)))这行代码会被自动展开为一系列pmt_gemm矩阵乘法与pmt_potrfCholesky 分解调用。可以看到把矩阵乘法与向量运算组合起来就能写出非常紧凑、可读性极强的高性能数值代码。那么性能到底如何官方在 i7-7560U 上对 Riccati 分解做了基准测试prometeo 转译出的 C 代码与手写 C BLASFEO 几乎持平且显著优于 NumPy 和 Juliaprometeo 到底有多快一组直观的基准数据除了矩阵乘法prometeo 在通用计算上同样表现出色。在 examples/fibonacci/fibonacci.py 的 Fibonacci 基准测试中重复 3000 万次各方案的 CPU 耗时对比如下解析器/编译器CPU 时间秒Python 3.7 (CPython)11.787Nuitka10.039PyPy1.78prometeo0.657prometeo 比 CPython 快了约18 倍甚至优于以速度著称的 PyPy充分体现了静态类型 确定性内存 无垃圾回收三大设计带来的优势。小结下一步你可以看什么通过 3 个经典例子你已经掌握了 prometeo 的矩阵乘法与向量运算基本用法。想继续深入可以研究这些资源更多官方示例examples/simple_example/、examples/riccati_example/线性代数底层封装prometeo/linalg/blasfeo_wrapper.pyPython 语法支持细节docs/source/python_syntax/python_syntax.rst。注意prometeo 目前仍处于早期实验阶段仅支持部分线性代数操作和 Python 语法子集但作为写 Python、出 C的嵌入式高性能计算利器它已经足够惊艳。动手跑一遍上面的例子你会更快感受到它的魅力【免费下载链接】prometeoAn experimental Python-to-C transpiler and domain specific language for embedded high-performance computing项目地址: https://gitcode.com/gh_mirrors/pr/prometeo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考