所获得的加速给我留下了深刻的印象HERE通过使用numba
今天我在SO中发现了一个question来自希望加速其代码的人。所以我想让我们看看我们可以使用 numba
实现什么。
代码如下:
from numba import autojit
from time import time
LIMIT = pow(10,6)
def primes(limit):
# Keep only odd numbers in sieve, mapping from index to number is
# num = 2 * idx + 3
# The square of the number corresponding to idx then corresponds to:
# idx2 = 2*idx*idx + 6*idx + 3
sieve = [True] * (limit // 2)
prime_numbers = set([2])
for j in range(len(sieve)):
if sieve[j]:
new_prime = 2*j + 3
prime_numbers.add(new_prime)
for k in range((2*j+6)*j+3, len(sieve), new_prime):
sieve[k] = False
return list(prime_numbers)
numba_primes = autojit(primes)
start = time()
numba_primes(LIMIT)
end=time()
print("Numba: Time Taken : ",end-start)
start = time()
primes(LIMIT)
end=time()
print("Python: Time Taken : ",end-start)
结果:
('Numba: Time Taken : ', 0.68790602684021)
('Python: Time Taken : ', 0.12417221069335938)
为什么会发生这种情况?看来使用 numba
这段代码并没有变得更快!
最佳答案
这是代码的 numba 化版本(使用 Numba 0.13),这是通过使用 numpy 数组进行优化的
import numpy as np
import numba
# You could also just use @numba.jit or @numba.jit(nopython=True)
# here and get comparable timings.
@numba.jit('void(uint8[:])', nopython=True)
def primes_util(sieve):
ssz = sieve.shape[0]
for j in xrange(ssz):
if sieve[j]:
new_prime = 2*j + 3
for k in xrange((2*j+6)*j+3, ssz, new_prime):
sieve[k] = False
def primes_numba(limit):
sieve = np.ones(limit // 2, dtype=np.uint8)
primes_util(sieve)
return [2] + (np.nonzero(sieve)[0]*2 + 3).tolist()
然后与时间进行比较:
In [112]: %timeit primes(LIMIT)
1 loops, best of 3: 221 ms per loop
In [113]: %timeit primes_numba(LIMIT)
100 loops, best of 3: 11 ms per loop
In [114]:
a = set(primes(LIMIT))
b = set(primes_numba(LIMIT))
a == b
Out[114]:
True
尽管可能还可以进行进一步的优化,但速度提升了 20 倍。如果没有 jit 装饰器,numba 版本在我的机器上运行大约需要 300 毫秒。对 primes_util
的实际调用只需要大约 5 毫秒,剩下的就是对 np.nonzero
的调用以及对列表的转换。
关于python - Numba 减慢代码?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22768709/