當(dāng)前位置：首頁(yè) > 编程语言 > c/c++ >内容正文

c/c++

还能这样？把 Python 自动翻译成 C++

發(fā)布時(shí)間：2024/2/28 c/c++ 44 豆豆

生活随笔收集整理的這篇文章主要介紹了还能这样？把 Python 自动翻译成 C++ 小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

作者：byronhe，騰訊 WXG 開發(fā)工程師

一、問(wèn)題背景

隨著深度學(xué)習(xí)的廣泛應(yīng)用，在搜索引擎/推薦系統(tǒng)/機(jī)器視覺等業(yè)務(wù)系統(tǒng)中，越來(lái)越多的深度學(xué)習(xí)模型部署到線上服務(wù)。

機(jī)器學(xué)習(xí)模型在離線訓(xùn)練時(shí)，一般要將輸入的數(shù)據(jù)做特征工程預(yù)處理，再輸入模型在 TensorFlow PyTorch 等框架上做訓(xùn)練。

1.常見的特征工程邏輯

常見的特征工程邏輯有：

分箱/分桶離散化

log/exp 對(duì)數(shù)/冪等 math numpy 常見數(shù)學(xué)運(yùn)算

特征縮放/歸一化/截?cái)?/p>

交叉特征生成

分詞匹配程度計(jì)算

字符串分隔匹配判斷 tong

缺省值填充等

數(shù)據(jù)平滑

onehot 編碼，hash 編碼等

這些特征工程代碼，當(dāng)然一般使用深度學(xué)習(xí)最主要的語(yǔ)言 python 實(shí)現(xiàn)。

二、業(yè)務(wù)痛點(diǎn)

離線訓(xùn)練完成，模型上線部署后，同樣要用 C++ 重新實(shí)現(xiàn) 這些 python 的特征工程邏輯代碼。

我們發(fā)現(xiàn)，“用 C++ 重新實(shí)現(xiàn)” 這個(gè)步驟，給實(shí)際業(yè)務(wù)帶來(lái)了大量的問(wèn)題：

繁瑣，費(fèi)時(shí)費(fèi)力，極容易出現(xiàn) python 和 C++ 代碼不一致

不一致會(huì)直接影響模型在線上的效果，導(dǎo)致大盤業(yè)務(wù)指標(biāo)不如預(yù)期，產(chǎn)生各種 bad case

不一致難以發(fā)現(xiàn)，無(wú)法測(cè)試，無(wú)法監(jiān)控，經(jīng)常要靠用戶投訴反饋，甚至大盤數(shù)據(jù)異常才能發(fā)現(xiàn)

1. 業(yè)界方案

針對(duì)這些問(wèn)題，我調(diào)研了這些業(yè)界方案：

《推薦系統(tǒng)中模型訓(xùn)練及使用流程的標(biāo)準(zhǔn)化》
https://www.infoq.cn/article/2E6LCqb1GeqFRAjkkjX3

《自主研發(fā)、不斷總結(jié)經(jīng)驗(yàn)，美團(tuán)搜索推薦機(jī)器學(xué)習(xí)平臺(tái)》
https://cloud.tencent.com/developer/article/1357309

《京東電商推薦系統(tǒng)實(shí)踐》
https://www.infoq.cn/article/1OkKmb_gEYNR3YqC9RcW

“模型線上線下一致性問(wèn)題對(duì)于模型效果非常重要，我們使用特征日志來(lái)實(shí)時(shí)記錄特征，保證特征的一致性。這樣離線處理的時(shí)候會(huì)把實(shí)時(shí)的用戶反饋，和特征日志做一個(gè)結(jié)合生成訓(xùn)練樣本，然后更新到模型訓(xùn)練平臺(tái)上，平臺(tái)更新之后在推送到線上，這樣整個(gè)排序形成了一個(gè)閉環(huán)。”

總結(jié)起來(lái)，有幾種思路：

在線特征存儲(chǔ)起來(lái)給離線用

在線 C++ 代碼編譯成 so 導(dǎo)出給離線用

根據(jù)一份配置生成離線和在線代碼

提取公共代碼，加強(qiáng)代碼復(fù)用，等軟件工程手段，減少不一致

2. 自動(dòng)翻譯方案

(1) .已有方案的缺點(diǎn)

但這些思路都有各種缺點(diǎn)：

所有在線請(qǐng)求的所有特征，這個(gè)存儲(chǔ)量數(shù)據(jù)量很大

算法改代碼需要等待后臺(tái)開發(fā)，降低了算法同學(xué)的工作效率

特征處理代碼的復(fù)雜度轉(zhuǎn)移到配置文件中，不一定能充分表達(dá)，而且配置格式增加學(xué)習(xí)成本

就這邊真實(shí)離線特征處理代碼來(lái)看，大部分代碼都無(wú)法抽取出公共代碼做復(fù)用。

(2). 翻譯器

回到問(wèn)題出發(fā)點(diǎn)考慮，顯而易見，這個(gè)問(wèn)題歸根結(jié)底就是需要一個(gè) “ python 到 c++ 的翻譯器 ” 。

那其實(shí) “翻譯器 Transpiler ” ，和編譯器解釋器類似，也是個(gè)古老的熱門話題了，比如 WebAssembly, CoffeeScript ，Babel ,
Google Closure Compiler，f2c

于是一番搜索，發(fā)現(xiàn) python 到 C++ 的翻譯器也不少，其中 Pythran 是新興比較熱門的開源項(xiàng)目。

于是一番嘗試后，借助 pythran，我們實(shí)現(xiàn)了：

一條命令 全自動(dòng)把 Python 翻譯成等價(jià) C++

嚴(yán)格等價(jià)保證改寫，徹底消除不一致

完全去掉重新實(shí)現(xiàn) 這塊工作量，后臺(tái)開發(fā)成本降到 0 ，徹底解放生產(chǎn)力

算法同學(xué)繼續(xù)使用純 python，開發(fā)效率無(wú)影響，** 無(wú)學(xué)習(xí)成本 **

并能推廣到其他需要 python 改寫成后臺(tái) C++ 代碼 的業(yè)務(wù)場(chǎng)景，解放生產(chǎn)力

三、pythran 的使用流程

(1). 安裝

一條命令安裝：

pip3?install?pythran

(2). 寫 Python 代碼

下面這個(gè) python demo，是 pythran 官方 demo

import?math
import?numpy?as?np

def?zero(n,?m):
????return?[[0]*n?for?col?in?range(m)]

#pythran?export?matrix_multiply(float?list?list,?float?list?list)
def?matrix_multiply(m0,?m1):
????new_matrix?=?zero(len(m0),len(m1[0]))
????for?i?in?range(len(m0)):
????????for?j?in?range(len(m1[0])):
????????????for?k?in?range(len(m1)):
????????????????new_matrix[i][j]?+=?m0[i][k]*m1[k][j]
????return?new_matrix

#pythran?export?arc_distance(float[],?float[],?float[],?float[])
def?arc_distance(theta_1,?phi_1,?theta_2,?phi_2):
????"""
????Calculates?the?pairwise?arc?distance
????between?all?points?in?vector?a?and?b.
????"""
????temp?=?(np.sin((theta_2-theta_1)/2)**2
???????????+?np.cos(theta_1)*np.cos(theta_2)?*?np.sin((phi_2-phi_1)/2)**2)
????distance_matrix?=?2?*?np.arctan2(np.sqrt(temp),?np.sqrt(1-temp))
????return?distance_matrix

#pythran?export?dprod(int?list,?int?list)
def?dprod(l0,l1):
????"""WoW,?generator?expression,?zip?and?sum."""
????return?sum(x?*?y?for?x,?y?in?zip(l0,?l1))

#pythran?export?get_age(int?)
def?get_age(age):
????if?age?<=?20:
????????age_x?=?'0_20'
????elif?age?<=?25:
????????age_x?=?'21_25'
????elif?age?<=?30:
????????age_x?=?'26_30'
????elif?age?<=?35:
????????age_x?=?'31_35'
????elif?age?<=?40:
????????age_x?=?'36_40'
????elif?age?<=?45:
????????age_x?=?'41_45'
????elif?age?<=?50:
????????age_x?=?'46_50'
????else:
????????age_x?=?'50+'
????return?age_x

(3). Python 轉(zhuǎn)成 C++

一條命令完成翻譯

pythran?-e?demo.py?-o??demo.hpp

(4). 寫 C++ 代碼調(diào)用

pythran/pythonic/ 目錄下是 python 標(biāo)準(zhǔn)庫(kù)的 C++ 等價(jià)實(shí)現(xiàn)，翻譯出來(lái)的 C++ 代碼需要 include 這些頭文件

寫個(gè) C++ 代碼調(diào)用

#include?"demo.hpp"
#include?"pythonic/numpy/random/rand.hpp"
#include?<iostream>

using?std::cout;
using?std::endl;

int?main()?{
??pythonic::types::list<pythonic::types::list<double>>?m0?=?{{2.0,?3.0},
?????????????????????????????????????????????????????????????{4.0,?5.0}},
???????????????????????????????????????????????????????m1?=?{{1.0,?2.0},
?????????????????????????????????????????????????????????????{3.0,?4.0}};
??cout?<<?m0?<<?"*"?<<?m1?<<?"\n=\n"
???????<<?__pythran_demo::matrix_multiply()(m0,?m1)?<<?endl
???????<<?endl;

??auto?theta_1?=?pythonic::numpy::random::rand(3),
???????phi_1?=?pythonic::numpy::random::rand(3),
???????theta_2?=?pythonic::numpy::random::rand(3),
???????phi_2?=?pythonic::numpy::random::rand(3);
??cout?<<?"arc_distance?"?<<?theta_1?<<?","?<<?phi_1?<<?","?<<?theta_2?<<?","
???????<<?phi_2?<<?"\n=\n"
???????<<?__pythran_demo::arc_distance()(theta_1,?phi_1,?theta_2,?phi_2)?<<?endl
???????<<?endl;

??pythonic::types::list<int>?l0?=?{2,?3},?l1?=?{4,?5};
??cout?<<?"dprod?"?<<?l0?<<?","?<<?l1?<<?"\n=\n"
???????<<?__pythran_demo::dprod()(l0,?l1)?<<?endl
???????<<?endl;

??cout?<<?"get_age?30?=?"?<<?__pythran_demo::get_age()(30)?<<?endl?<<?endl;

??return?0;
}

(5). 編譯運(yùn)行

g++?-g?-std=c++11?main.cpp?-fopenmp?-march=native?-DUSE_XSIMD?-I?/usr/local/lib/python3.6/site-packages/pythran/?-o?pythran_demo

./pythran_demo

四、pythran 的功能與特性

(1). 介紹

按官方定義，Pythran 是一個(gè) AOT (Ahead-Of-Time - 預(yù)先編譯) 編譯器。給科學(xué)計(jì)算的 python 加注解后，pythran 可以把 python 代碼變成接口相同的原生 python 模塊，大幅度提升性能。

并且 pythran 也可以利用 OpenMP 多核和 SIMD 指令集。

支持 python 3 和 Python 2.7 。

pythran 的 manual 挺詳細(xì)：
https://pythran.readthedocs.io/en/latest/MANUAL.html

(2). 功能

pythran 并不支持完整的 python，只支持 python 語(yǔ)言特性的一個(gè)子集:

polymorphic functions 多態(tài)函數(shù)(翻譯成 C++ 的泛型模板函數(shù))
lambda
list comprehension 列表推導(dǎo)式
map, reduce 等函數(shù)
dictionary, set, list 等數(shù)據(jù)結(jié)構(gòu)
exceptions 異常
file handling 文件處理
部分 numpy

不支持的功能：

classes 類
polymorphic variables 可變類型變量

(3). 支持的數(shù)據(jù)類型和函數(shù)

pythran export 可以導(dǎo)出函數(shù)和全局變量。
支持導(dǎo)出的數(shù)據(jù)類型，BNF 定義是：

可以看到基礎(chǔ)類型相當(dāng)全面，支持各種整數(shù)，浮點(diǎn)數(shù)，字符串，復(fù)數(shù)

復(fù)合類型支持 tuple, list, set, dict, numpy.ndarray 等，

對(duì)應(yīng) C++ 代碼的類型實(shí)現(xiàn)在 pythran/pythonic/include/types/ 下面，可以看到比如 dict 實(shí)際就是封裝了一下 std::unordered_map
https://pythran.readthedocs.io/en/latest/SUPPORT.html
可以看到支持的 python 基礎(chǔ)庫(kù)，其中常用于機(jī)器學(xué)習(xí)的 numpy 支持算比較完善。

五、pythran 的基本原理

和常見的編譯器/解釋器類似， pythran 的架構(gòu)是分成 3 層：

python 代碼解析成抽象語(yǔ)法樹 AST 。用 python 標(biāo)準(zhǔn)庫(kù)自帶的的 ast 模塊實(shí)現(xiàn)

代碼優(yōu)化。
在 AST 上做優(yōu)化，有多種 transformation pass，比如 deadcode_elimination 死代碼消除，loop_full_unrolling 循環(huán)展開等。還有 Function/Module/Node 級(jí)別的 Analysis，用來(lái)遍歷 AST 供 transformation 利用。

后端，實(shí)現(xiàn)代碼生成。目前有 2 個(gè)后端，Cxx / Python， Cxx 后端可以把 AST 轉(zhuǎn)成 C++ 代碼（ Python 后端用來(lái)調(diào)試）。

目前看起來(lái) ，pythran 還欠缺的：

字符串處理能力欠缺，缺少 str.encode()/str.decode() 對(duì) utf8 的支持

缺少正則表達(dá)式 regex 支持

看文檔要自己加也不麻煩，看業(yè)務(wù)需要可以加。

六、相關(guān)文章

《京東電商推薦系統(tǒng)實(shí)踐》
https://www.infoq.cn/article/1OkKmb_gEYNR3YqC9RcW

《自主研發(fā)、不斷總結(jié)經(jīng)驗(yàn)，美團(tuán)搜索推薦機(jī)器學(xué)習(xí)平臺(tái)》
https://cloud.tencent.com/developer/article/1357309

《推薦系統(tǒng)中模型訓(xùn)練及使用流程的標(biāo)準(zhǔn)化》
https://www.infoq.cn/article/2E6LCqb1GeqFRAjkkjX3

numba
http://numba.pydata.org

總結(jié)

以上是生活随笔為你收集整理的还能这样？把 Python 自动翻译成 C++的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。

上一篇：万字长文带你深入浅出 Golang Ru
下一篇：「推荐系统」领域的最新进展你知道么？