%%time测整个单元格总耗时，%time仅测单行语句；pytorch gpu计时需加torch.cuda.synchronize()确保同步，否则仅测任务提交延迟。
%%time 和 %time 魔法命令怎么选
直接在单元格开头写 %%time 或 %time 就能测时间，不用装插件、不重启内核。区别很实际：%%time 测整个单元格所有代码的总耗时（含 import、变量赋值、循环等），%time 只测单行表达式。比如想看 pd.read_csv('data.csv') 花多久，用 %time pd.read_csv('data.csv')；如果单元格里有数据清洗+绘图一整套流程，就用 %%time。
PyTorch/TensorFlow 里测 GPU 时间为什么不准
CUDA 和 cuDNN 操作默认异步提交，%%time 常常只测到“发任务”那一下，返回毫秒级结果，实际计算还在后台跑。必须手动同步：
- PyTorch：加一行
torch.cuda.synchronize()在待测代码末尾 - TensorFlow 2.x：用
tf.test.compute_gradient()不现实，更可靠的是tf.config.experimental.set_memory_growth配合tf.function编译后，在关键步骤后插入tf.device('/CPU:0'): pass强制等待（或直接用time.time()包裹.numpy()触发同步） - 别依赖
%timeit默认行为——它会自动重复执行，但没默认加同步，得显式写torch.cuda.synchronize()在每轮末尾
jupyter_contrib_nbextensions 的 ExecuteTime 插件真能“实时”吗
不能。它只在单元格执行完后，在右上角补一个静态时间戳，不是运行中刷新的“实时”。而且容易失效：
- 升级 Jupyter 7+ 后，
jupyter_contrib_nbextensions已基本不维护，和新版本内核兼容性差 - 启用后若没看到时间显示，先检查是否勾选了 “Disable configuration” —— 这个开关默认是开的，必须手动关掉
- 安装顺序错会导致 JS 文件没加载：
jupyter contrib nbextension install --user必须在pip install jupyter_contrib_nbextensions之后、且在 notebook 关闭状态下运行 - Windows 下 Anaconda Prompt 而非普通 cmd 才能正确识别环境路径
需要真正实时刷新怎么办
没有开箱即用的“实时进度条式计时”，但可组合实现：
- 用
tqdm包裹迭代过程，本身带耗时估算：from tqdm import tqdm; for i in tqdm(range(1000)): - 自己写轻量计时器：定义一个
start = time.perf_counter()，在循环里每 N 步 printf"已运行 {time.perf_counter() - start:.2f}s" - 避免用
datetime.now()—— 它精度低、受系统时钟跳变影响；坚持用time.perf_counter() - 注意：Jupyter 输出缓冲可能导致 print 延迟，加
flush=True强制刷出：print(f"耗时: {t:.2f}s", flush=True)
真实场景里，“实时”往往是个错觉——Python GIL、GPU 异步、notebook 输出机制共同决定了你没法像终端那样毫秒级刷新。最稳的方案还是分层测量：%%time 看整体，time.perf_counter() 插桩看关键段，GPU 场景死守 synchronize()。否则测出来的数字，连参考价值都没有。
