介绍 # !/usr/bin/env python
#=utf - 8编码
从numba导入jit
从numpy进口论坛
导入的时间
@jit
def sum2d (arr):
M, N=arr.shape
结果=0.0
我的范围(米):
j的范围(N):
结果arr +=(i, j)
返回结果=(9).reshape不等(3,3)
start_time=time.time ()
因为我在范围(10000000):
sum2d (a)
end_time=time.time ()
印刷(end_time - start_time)
这篇文章主要介绍优化Python程序的方法,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
这次就说一种简单的方式来加速Python计算速度的方法,就是使用numba库来进行,numba库可以使用JIT技术即时编译,达到高性能,另外也可以使用cuda GPU的计算能力来加速,对Python来说是一个提速非常好的工具库,使用简单,但是安装稍微复杂一些。
安装完成numba就可以使用了。
下面写一个小案例来看一下加速后的程序和加速前的程序的区别,借用官网上最经典的例子:
这里使用numpy生成三行三列的矩阵,[[0 1 2],[3、4、5],[6 7 8]]然后做二维累加计算,值显然应该是36,这里做了10000000次这样的计算,使用@jit注解可以直接的使用numba jit技术实时编译,从而提高速度,最终运行时间大约是3.86秒,如果去掉注解的话那么运行时间大约是25.45秒从这里可以看出来大约有6.6倍的性能提升,所以使用numba加速python程序确实是方便简单
以上是优化python程序的方法的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注行业资讯频道!
