python numba jit 的效率
【摘要】 10w左右数据量,不加jit效率高,
100w左右数据量,加了jit效果高8倍以上
40w左右数据量,效率持平
from numba import jitfrom numpy import arange import datetime len=399999@jitdef sumjit(arr): M, N = arr.shape result = 0.0 for i i...
10w左右数据量,不加jit效率高,
100w左右数据量,加了jit效果高8倍以上
40w左右数据量,效率持平
-
from numba import jit
-
from numpy import arange
-
-
import datetime
-
-
len=399999
-
@jit
-
def sumjit(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(len).reshape(len//3, 3)
-
-
start = datetime.datetime.now()
-
-
print(sumjit(a))
-
print ("jit",(datetime.datetime.now()-start).microseconds)
-
-
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(len).reshape(len//3, 3)
-
-
start = datetime.datetime.now()
-
-
print(sum2d(a))
-
print ("noj",(datetime.datetime.now()-start).microseconds)
文章来源: blog.csdn.net,作者:网奇,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/jacke121/article/details/78307580
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)