• python numba讲解


      由于python有动态解释性语言的特性,跑起代码来相比java、c++要慢很多,尤其在做科学计算的时候,十亿百亿级别的运算,让python的这种劣势更加凸显。

      因此就出现了解决python慢的一大利器numba,可以让python的运行速度提升上百倍甚至更多!

      numpy是为面向numpy数组的计算任务而设计的。

      Numba把NumPy数组类型生成高效的编译代码,用于在GPU或多核CPU上执行。

      在做大量科学计算时和使用for循环数据较多时,尽量使用numba。


    一:什么是numba

      numba是一款可以将python函数编译为机器代码的JIT编译器,经过numba编译的python代码(仅限数组运算),其运行速度可以接近C或FORTRAN语言。


      numba的作用是给python换一种编译器。让代码直接转成机器码运行。


    二:如何使用numba

      使用numba非常简单,只需要将numba装饰器应用到python函数中,无需改动原本的python代码,numba会自动完成剩余的工作。那么怎么使用呢,下面有一个例子。


    1.计算numpy数组各个数值的双曲正切值。


    (1)导入numpy、numba及其编译器

    import numpy as np
    import numba
    from numba import jit
    

    (2)传入numba装饰器jit,编写函数

    # nopython = True 选项要求完全编译该函数(以便完全删除Python解释器调用),否则会引发异常
    @jit(nopython=True) # jit,numba装饰器中的一种
    def go_fast2(a): # 首次调用时,函数被编译为机器代码
        trace = 0
        # 假设输入变量是numpy数组
        for i in range(a.shape[0]):     # Numba 擅长处理循环
            trace += np.tanh(a[i, i]) 	# numba喜欢numpy函数
        return a + trace				# numba喜欢numpy广播
    

    (3)给函数传递实参

    # 因为函数要求传入的参数是nunpy数组
    x = np.arange(100).reshape(10, 10)
    # 执行函数
    go_fast(x)
    

    (4)经numba加速的函数执行时间

    % timeit go_fast(x)
    

    (5)结果输出

    3.63 µs ± 156 ns  #加速后
    136 µs ± 1.09 µs  #不加速
    

    快了40倍。

    2.nunba对for循环的加速
    (1)代码

    # 普通函数
    def go_fast1(): # 首次调用时,函数被编译为机器代码
        x = 0
        for i in np.arange(5000):
            x += i
        return x
    
    
    # nopython = True选项要求完全编译该函数(以便完全删除Python解释器调用),否则会引发异常
    @jit(nopython=True) # jit,numba装饰器中的一种
    def go_fast2(): # 首次调用时,函数被编译为机器代码
        x = 0
        for i in np.arange(5000):
            x += i
        return x
    

    (2)结果输出

    1.57 µs ± 53.8 ns #加速后
    408 µs ± 9.73 µs  #不加速
    

    快了200倍。


      numba对python代码运行速度有巨大的提升,这极大的促进了大数据时代的python数据分析能力,但不会对numpy和for循环以外的python代码有很大帮助,对数据科学工作者来说,这真是一个好技术!

  • 相关阅读:
    HTTP协议详解
    ASP.NET 页生命周期概述
    两种典型的双工MEP
    ASP.NET并发处理
    Nodejs
    官方教程
    SQL server 版本
    MVC、MVP、MVVM
    SOHO 创业
    考证
  • 原文地址:https://www.cnblogs.com/ITXiaoAng/p/11704278.html
Copyright © 2020-2023  润新知