需要建立python与c++各数据转换的性能baseline，用于指导性能优化

[wangxicoding]

python<-->python转换需测数据：

源数据格式	目标数据格式	转换方法	数据大小
numpy	list	list(src)	1MB..
numpy	list	src.tolist()	.
ctypes	list	list(src)	.
ctypes	list	src[:]	.
list	numpy	np.array(list)	.
list	ctypes	dst[:] = src[:]	.
list	ctypes	cp(*src)	.

c++ <--> python转换需测数据：

源数据格式	目标数据格式	转换方法	数据大小
list	vector		1MB..
numpy	vector		.
ctypes	vector		.
vector	list		.
vector	numpy		.
vector	ctypes		.

[wangxicoding]

import numpy as np
import ctypes

length = 16 * 3 * 224 * 224

src_np = np.array(np.random.randn(length), dtype="float32")
%timeit dst_list = list(src_np)
%timeit dst_list = src_np.tolist()

src_ctype = ctypes.c_float * length
src_cp = src_ctype()
%timeit dst_list = list(src_cp)
%timeit dst_list = src_cp[:]

src_list = [float(1.0 * i / length) for i in range(length)]
%timeit dst_np = np.array(src_list, dtype='float32')
%timeit src_cp[:] = src_list
%timeit -n 10 dst_cp = src_ctype(*src_list)

比如用ipython的%timeit的来获取性能

[MRXLT]

10 loops

size 1024 * 1024

type float32

python to python

origin type	target type	cost ms	function
np.array	list	485.650	list(src)
np.array	list	252.208	src.tolist()
ctype	list	1651.359	list(src)
ctype	list	394.009	src[:]
list	np.array	310.021	np.array()
list	ctype	412.384	src_cp[:]=src_list
list	ctype	2467.857	cp(*src)