还能这样？把Python自动翻译成C++

文章来源：51ctobyronhe

一、问题背景

随着深度学习的广泛应用，在搜索引擎/推荐系统/机器视觉等业务系统中，越来越多的深度学习模型部署到线上服务。

机器学习模型在离线训练时，一般要将输入的数据做特征工程预处理，再输入模型在 TensorFlow PyTorch 等框架上做训练。

1.常见的特征工程逻辑

常见的特征工程逻辑有：

分箱/分桶离散化
log/exp 对数/幂等 math numpy 常见数学运算
特征缩放/归一化/截断
交叉特征生成
分词匹配程度计算
字符串分隔匹配判断 tong
缺省值填充等
数据平滑
onehot 编码，hash 编码等

这些特征工程代码，当然一般使用深度学习最主要的语言?python?实现。

二、业务痛点

离线训练完成，模型上线部署后，同样要?用 C++ 重新实现?这些 python 的特征工程逻辑代码。

我们发现，?“用 C++ 重新实现”?这个步骤，给实际业务带来了大量的问题：

繁琐，费时费力，极容易出现 python 和 C++ 代码?不一致
不一致会直接影响模型在线上的效果，导致大盘业务指标不如预期，产生各种 bad case
不一致难以发现，无法测试，无法监控，经常要靠用户投诉反馈，甚至大盘数据异常才能发现

1. 业界方案

针对这些问题，我调研了这些业界方案：

《推荐系统中模型训练及使用流程的标准化》

https://www.infoq.cn/article/2E6LCqb1GeqFRAjkkjX3

《自主研发、不断总结经验，美团搜索推荐机器学习平台》

/developer/article/1357309

《京东电商推荐系统实践》

https://www.infoq.cn/article/1OkKmb_gEYNR3YqC9RcW

“模型线上线下一致性问题对于模型效果非常重要，我们使用特征日志来实时记录特征，保证特征的一致性。这样离线处理的时候会把实时的用户反馈，和特征日志做一个结合生成训练样本，然后更新到模型训练平台上，平台更新之后在推送到线上，这样整个排序形成了一个闭环。”

总结起来，有几种思路：

在线特征存储起来给离线用
在线 C++ 代码编译成 so 导出给离线用
根据一份配置生成离线和在线代码
提取公共代码，加强代码复用，等软件工程手段，减少不一致

2. 自动翻译方案

(1) .已有方案的缺点

但这些思路都有各种缺点：

所有在线请求的所有特征，这个存储量数据量很大
算法改代码需要等待后台开发，降低了算法同学的工作效率
特征处理代码的复杂度转移到配置文件中，不一定能充分表达，而且配置格式增加学习成本
就这边真实离线特征处理代码来看，大部分代码都无法抽取出公共代码做复用。

(2). 翻译器

回到问题出发点考虑，显而易见，这个问题归根结底就是需要一个 “ python 到 c++ 的翻译器 ” 。

那其实 “翻译器 Transpiler ” ，和编译器解释器类似，也是个古老的热门话题了，比如?WebAssembly?,?CoffeeScript?，?Babel?,

Google Closure Compiler?，?f2c

于是一番搜索，发现 python 到 C++ 的翻译器也不少，其中?Pythran?是新兴比较热门的开源项目。

于是一番尝试后，借助 pythran，我们实现了：

一条命令?全自动把 Python 翻译成等价 C++
严格等价保证改写，彻底消除不一致
完全去掉重新实现这块工作量，后台开发成本降到 0 ，彻底解放生产力
算法同学继续使用纯 python，开发效率无影响，** 无学习成本 **
并能推广到其他需要?python 改写成后台 C++ 代码?的业务场景，解放生产力

三、pythran 的使用流程

(1). 安装

一条命令安装：

pip3?install?pythran?

(2). 写 Python 代码

下面这个 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 转成 C++

一条命令完成翻译：

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

(4). 写 C++ 代码调用

pythran/pythonic/ 目录下是 python 标准库的 C++ 等价实现，翻译出来的 C++ 代码需要 include 这些头文件。

写个 C++ 代码调用：

#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). 编译运行

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 的功能与特性

(1). 介绍

按官方定义，Pythran 是一个 AOT (Ahead-Of-Time - 预先编译) 编译器。给科学计算的 python 加注解后，pythran 可以把 python 代码变成接口相同的原生 python 模块，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 挺详细：

https://pythran.readthedocs.io/en/latest/MANUAL.html

(2). 功能

pythran 并不支持完整的 python，只支持 python 语言特性的一个子集：

polymorphic functions 多态函数(翻译成 C++ 的泛型模板函数)
lambda
list comprehension 列表推导式
map, reduce 等函数
dictionary, set, list 等数据结构
exceptions 异常
file handling 文件处理
部分 numpy

不支持的功能：

classes 类
polymorphic variables 可变类型变量

(3). 支持的数据类型和函数

pythran export 可以导出函数和全局变量。

支持导出的数据类型，BNF 定义是：

argument_type?=?basic_type?????????????????|?(argument_type+)????#?this?is?a?tuple?????????????????|?argument_type?list????#?this?is?a?list?????????????????|?argument_type?set????#?this?is?a?set?????????????????|?argument_type?[]+????#?this?is?a?ndarray,?C-style?????????????????|?argument_type?[::]+????#?this?is?a?strided?ndarray?????????????????|?argument_type?[:,...,:]+?#?this?is?a?ndarray,?Cython?style?????????????????|?argument_type?[:,...,3]+?#?this?is?a?ndarray,?some?dimension?fixed?????????????????|?argument_type:argument_type?dict????#?this?is?a?dictionary????basic_type?=?bool?|?byte?|?int?|?float?|?str?|?None?|?slice??????????????|?uint8?|?uint16?|?uint32?|?uint64?|?uintp??????????????|?int8?|?int16?|?int32?|?int64?|?intp??????????????|?float32?|?float64?|?float128??????????????|?complex64?|?complex128?|?complex256?

可以看到基础类型相当全面，支持各种整数，浮点数，字符串，复数

复合类型支持 tuple, list, set, dict, numpy.ndarray 等，对应 C++ 代码的类型实现在 pythran/pythonic/include/types/ 下面，可以看到比如 dict 实际就是封装了一下 std::unordered_map

https://pythran.readthedocs.io/en/latest/SUPPORT.html

可以看到支持的 python 基础库，其中常用于机器学习的 numpy 支持算比较完善。

五、pythran 的基本原理

和常见的编译器/解释器类似， pythran 的架构是分成 3 层：

python 代码解析成抽象语法树 AST 。用 python 标准库自带的的 ast 模块实现
代码优化。在 AST 上做优化，有多种 transformation pass，比如 deadcode_elimination 死代码消除，loop_full_unrolling 循环展开等。还有 Function/Module/Node 级别的 Analysis，用来遍历 AST 供 transformation 利用。
后端，实现代码生成。目前有 2 个后端，Cxx / Python， Cxx 后端可以把 AST 转成 C++ 代码（ Python 后端用来调试）。

目前看起来，pythran 还欠缺的：

字符串处理能力欠缺，缺少 str.encode()/str.decode() 对 utf8 的支持
缺少正则表达式 regex 支持

看文档要自己加也不麻烦，看业务需要可以加。

发表于: 2019-12-052019-12-05 10:08:00
原文链接：http://news.51cto.com/art/201912/607265.htm
如有侵权，请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长进交流群

领取专属 10元无门槛券

私享最新 技术干货