内容简介:探索python性能优化工具,发现了numba. 只需要给函数加上装饰器就可以。比cython和pypy方便多了。numba是为了提高numpy速度而开发的,使用llvm将python代码翻译为bitcode,并在bitcode外面做了一层包装,让python可以调用通过numba翻译的代码由于经过llvm优化并可在机器上直接执行,效率将有所提高,对海量数据处理非常有帮助
简介
探索 python 性能优化工具,发现了numba. 只需要给函数加上装饰器就可以。比cython和pypy方便多了。
numba是什么
numba是为了提高numpy速度而开发的,使用llvm将python代码翻译为bitcode,并在bitcode外面做了一层包装,让python可以调用
通过numba翻译的代码由于经过llvm优化并可在机器上直接执行,效率将有所提高,对海量数据处理非常有帮助
numba可以解决什么问题
1.提高numpy速度 2.解决python在计算上的性能问题
原理
通过llvm编译器将python代码转换成机器码,提高执行效率。
初试
环境说明
python3.6 fedora
安装
pip install numba
示例
#斐波那契数列 import time from numba import jit @jit def fib(n): if n<=2 : return 1; else: return fib(n-1)+fib(n-2); start = time.time() fib(50) end = time.time() print("python3+numba cost_seconds:", end-start) #结果。结果很明显numba可以让你的python飞起来 python3 20.24455213546753秒 python3+numba 0.5986552238464355秒
文档
* 官方/文档
http://numba.pydata.org/
http://numba.pydata.org/numba-doc/latest/index.html
* 官方例子
https://numba.pydata.org/numba-examples/
* github
https://github.com/numba/numba
适用范围
操作系统: windows32/64, osx, linux32/64 架构: x86, x86_64, ppc64le. Experimental on armv7l, armv8l (aarch64). GPUs: Nvidia CUDA. Experimental on AMD ROC CPython Numpy1.10以上
注意要点
numba只适合解决python项目在计算上的性能问题,否则会导致项目性能下降。
引入前最好足够测试确保使用numba的姿势正确
来源
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python语言程序设计
[美]梁勇(Lang Y. D.) / 李娜 / 机械工业出版社 / 2015-4 / 79.00元
本书采用“问题驱动”、“基础先行”和“实例和实践相结合”的方式,讲述如何使用Python语言进行程序设计。本书首先介绍Python程序设计的基本概念,接着介绍面向对象程序设计方法,最后介绍算法与数据结构方面的内容。为了帮助学生更好地掌握相关知识,本书每章都包括以下模块:学习目标,引言,关键点,检查点,问题,本章总结,测试题,编程题,注意、提示和警告。 本书可以作为高等院校计算机及相关专业Py......一起来看看 《Python语言程序设计》 这本书的介绍吧!