Python:IPython性能度量

机器视觉001 2020-11-13 02:46:27
Python 性能 ipython 度量


Python:IPython性能度量

有时您可能需要比较两个类似操作的性能。

IPython为您提供了一个魔法命令 timeit 来执行此操作。它多次运行代码以获得更准确的结果。同样,它也适用于度量单行代码。

例如,你知道下面哪个加法运算更好吗?

x = 5;y = x**2;

x = 5;y = x*x;

x = np.uint8([5]);y = x*x,或者y = np.square(x)?

我们将在IPython shell中通过timeit找到答案。

x = 5
%timeit y=x**2
# 结果
10000000 loops, best of 3: 73 ns per loop
%timeit y=x*x
# 结果
10000000 loops, best of 3: 58.3 ns per loop
z = np.uint8([5])
%timeit y=z*z
# 结果
1000000 loops, best of 3: 1.25 us per loop
%timeit y=np.square(z)
# 结果
1000000 loops, best of 3: 1.16 us per loop

可以看到,x = 5;y = x*x是最快的,它比Numpy大约快20倍。

如果还考虑数组的创建,可能会快100倍。很酷,对吧?*(Numpy开发者正在处理这个问题)*

【注意】

Python标量操作比Numpy标量操作快。因此,对于包含一个或两个元素的操作,Python scalar要比Numpy数组好。

当数组的大小稍微大一点时,Numpy具有优势。

我们再举一个例子。这一次,我们将比较相同映像的vc . countnonzero()和np.count_nonzero()的性能。

%timeit z = cv.countNonZero(img)
# 结果
100000 loops, best of 3: 15.8 us per loop
%timeit z = np.count_nonzero(img)
# 结果
1000 loops, best of 3: 370 us per loop

看,OpenCV函数比Numpy函数快了近25倍。

【注意】

通常,OpenCV函数比Numpy函数更快。因此,对于相同的操作,首选的是OpenCV函数。

但是,也有例外,特别是当Numpy使用视图而不是副本时。

更多的IPython魔法命令

还有其他一些神奇的命令可以测量性能、分析、行分析、内存测量等等。

它们都有很好的文档记录。所以这里只提供这些文档的链接。有兴趣的读者可以试一试。

性能优化技术

有几种技术和编码方法可以最大限度地利用Python和Numpy的性能。这里只列出相关的资料,并提供重要资料的链接。

这里要注意的主要事情是,首先尝试以一种简单的方式实现算法。一旦它开始工作,分析它,然后发现瓶颈,并优化它们。

常用技巧如下:

  1. 尽量避免在Python中使用循环,特别是双/三重循环等。它们天生就很慢。
  2. 将算法/代码向量化到可能的最大程度,因为Numpy和OpenCV针对向量操作进行了优化。
  3. 利用缓存一致性。
  4. 除非必要,不要复制数组。尝试使用视图代替。数组复制是一项开销很大的操作。

如果您的代码在执行了所有这些操作之后仍然很慢,或者不可避免地要使用大的循环,那么可以使用Cython等其他库来提高速度。

附加资源

Python优化技术:https://wiki.python.org/moin/PythonSpeed/PerformanceTips

Scipy课堂笔记-高级Numpy:http://scipy-lectures.org/advanced/advanced_numpy/index.html#advanced-numpy

IPython中的计时和分析:https://pynash.org/2013/03/06/timing-and-profiling/

 

版权声明
本文为[机器视觉001]所创,转载请带上原文链接,感谢
https://blog.csdn.net/liubing8609/article/details/109482885

  1. 利用Python爬虫获取招聘网站职位信息
  2. Using Python crawler to obtain job information of recruitment website
  3. Several highly rated Python libraries arrow, jsonpath, psutil and tenacity are recommended
  4. Python装饰器
  5. Python实现LDAP认证
  6. Python decorator
  7. Implementing LDAP authentication with Python
  8. Vscode configures Python development environment!
  9. In Python, how dare you say you can't log module? ️
  10. 我收藏的有关Python的电子书和资料
  11. python 中 lambda的一些tips
  12. python中字典的一些tips
  13. python 用生成器生成斐波那契数列
  14. python脚本转pyc踩了个坑。。。
  15. My collection of e-books and materials about Python
  16. Some tips of lambda in Python
  17. Some tips of dictionary in Python
  18. Using Python generator to generate Fibonacci sequence
  19. The conversion of Python script to PyC stepped on a pit...
  20. Python游戏开发,pygame模块,Python实现扫雷小游戏
  21. Python game development, pyGame module, python implementation of minesweeping games
  22. Python实用工具,email模块,Python实现邮件远程控制自己电脑
  23. Python utility, email module, python realizes mail remote control of its own computer
  24. 毫无头绪的自学Python,你可能连门槛都摸不到!【最佳学习路线】
  25. Python读取二进制文件代码方法解析
  26. Python字典的实现原理
  27. Without a clue, you may not even touch the threshold【 Best learning route]
  28. Parsing method of Python reading binary file code
  29. Implementation principle of Python dictionary
  30. You must know the function of pandas to parse JSON data - JSON_ normalize()
  31. Python实用案例,私人定制,Python自动化生成爱豆专属2021日历
  32. Python practical case, private customization, python automatic generation of Adu exclusive 2021 calendar
  33. 《Python实例》震惊了,用Python这么简单实现了聊天系统的脏话,广告检测
  34. "Python instance" was shocked and realized the dirty words and advertisement detection of the chat system in Python
  35. Convolutional neural network processing sequence for Python deep learning
  36. Python data structure and algorithm (1) -- enum type enum
  37. 超全大厂算法岗百问百答(推荐系统/机器学习/深度学习/C++/Spark/python)
  38. 【Python进阶】你真的明白NumPy中的ndarray吗?
  39. All questions and answers for algorithm posts of super large factories (recommended system / machine learning / deep learning / C + + / spark / Python)
  40. [advanced Python] do you really understand ndarray in numpy?
  41. 【Python进阶】Python进阶专栏栏主自述:不忘初心,砥砺前行
  42. [advanced Python] Python advanced column main readme: never forget the original intention and forge ahead
  43. python垃圾回收和缓存管理
  44. java调用Python程序
  45. java调用Python程序
  46. Python常用函数有哪些?Python基础入门课程
  47. Python garbage collection and cache management
  48. Java calling Python program
  49. Java calling Python program
  50. What functions are commonly used in Python? Introduction to Python Basics
  51. Python basic knowledge
  52. Anaconda5.2 安装 Python 库(MySQLdb)的方法
  53. Python实现对脑电数据情绪分析
  54. Anaconda 5.2 method of installing Python Library (mysqldb)
  55. Python implements emotion analysis of EEG data
  56. Master some advanced usage of Python in 30 seconds, which makes others envy it
  57. python爬取百度图片并对图片做一系列处理
  58. Python crawls Baidu pictures and does a series of processing on them
  59. python链接mysql数据库
  60. Python link MySQL database