Python 프로그램 속도를 높이는 방법

이번에는 Python 계산 속도를 높이는 간단한 방법에 대해 이야기하겠습니다. 바로 numba 라이브러리를 사용하여 JIT 기술을 사용하여 즉석에서 컴파일하여 컴퓨팅 성능도 향상시키는 것입니다. 속도를 높이기 위해 cuda GPU를 사용할 수도 있습니다. 사용하기는 간단하지만 설치가 약간 복잡합니다.

Numba는 설치가 완료된 후 사용할 수 있습니다. (추천학습: Python video tutorial)

가장 고전적인 것을 빌려 가속 프로그램과 사전 가속 프로그램의 차이점을 알아보는 작은 사례를 작성해 보겠습니다. 공식 웹사이트 예:

#!/usr/bin/env python
# coding=utf-8
from numba import jit
from numpy import arange
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(9).reshape(3,3)
start_time = time.time()
for i in range(10000000):
    sum2d(a)
end_time = time.time()
print (end_time - start_time)

여기서 numpy는 3개의 행과 3개의 열로 구성된 행렬 [[0,1,2],[3,4,5]를 생성하는 데 사용됩니다. ,[6,7,8] ] 그런 다음 2차원 누적 계산을 수행합니다. 값은 당연히 36이어야 합니다. 여기서는 @jit 주석을 사용하여 numba jit 기술을 직접 사용하여 실제 컴파일할 수 있습니다. 최종 실행 시간은 약 3.86초로, 주석을 제거하면 약 25.45초 정도의 성능 향상이 있는 것을 알 수 있습니다. 정말 편리하고 간단하게 numba를 사용하여 Python 프로그램을 가속화할 수 있습니다.

더 많은 Python 관련 기술 기사를 보려면 Python tutorial 열을 방문하여 알아보세요!

위 내용은 Python 프로그램 속도를 높이는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!