python科学计算:加速库numba —— 安装和试用
- 安装(anaconda环境下)
conda install numba
- Demo代码:
from numba import jit
from numpy import arange
import numpy
import time
@jit
def sum2d(arr):
M, N = arr.shape
result = 0.0
for i in range(M):
for j in range(N):
result += arr[i, j]
return result
a = arange(90000).reshape(300, 300)
# print(sum2d(a))
time_a = time.time()
x = sum2d(a)
time_b = time.time()
print(x, time_b - time_a)
time_a = time.time()
x = numpy.sum(a)
time_b = time.time()
print(x, time_b - time_a)
运行表现:
可以看到,使用numba后代码速度没有提升反而下降,由此可知要正确使用numba还是很有门槛的。
在numba中通过指定变量的数据类型来提高运算速度:
from numba import jit, int32, int64
from numpy import arange
import numpy
import time
@jit(int64(int64[:,:], ))
def sum2d(arr):
M, N = arr.shape
result = 0.0
for i in range(M):
for j in range(N):
result += arr[i, j]
return result
a = arange(90000).reshape(300, 300)
# print(sum2d(a))
time_a = time.time()
x = sum2d(a)
time_b = time.time()
print(x, time_b - time_a)
运行表现:
可以看到,速度提高了1000倍,不过与numpy版本的用时相比依旧高很多,具体为16/6=2.67倍。
本博客是博主个人学习时的一些记录,不保证是为原创,个别文章加入了转载的源地址,还有个别文章是汇总网上多份资料所成,在这之中也必有疏漏未加标注处,如有侵权请与博主联系。
如果未特殊标注则为原创,遵循 CC 4.0 BY-SA 版权协议。
posted on 2024-07-25 13:46 Angry_Panda 阅读(57) 评论(0) 编辑 收藏 举报