numba提升python運(yùn)行速度的實(shí)例方法

大家都知道Python運(yùn)行速度很慢，但是輪子多，因此用戶十分廣泛，在各種領(lǐng)域上都能用到Python，但是最頭疼的還是，解決運(yùn)行速度問題，因此這里給大家介紹的是numba，是基本是等于再造語言。但是支持的numpy函數(shù)并不多。要讓能jit的函數(shù)多起來才行。下面就詳細(xì)介紹使用numba提升python運(yùn)行速度方法。

numba簡(jiǎn)介：

能夠?qū)崿F(xiàn)將python函數(shù)編譯為機(jī)器代碼，提高運(yùn)行速度。

工作作用：

給python換一種編譯器

使用numba：

1、導(dǎo)入numba及其編譯器

import numpy as np
import numba 
from numba import jit

2、傳入numba裝飾器jit，編寫函數(shù)

@jit(nopython=True) 
def go_fast(a): 
  trace = 0
   for i in range(a.shape[0]): 
    trace += np.tanh(a[i, i]) 
return a + trace

3、函數(shù)傳入實(shí)參

x = np.arange(100).reshape(10, 10) 
go_fast(x)

4、加速的函數(shù)執(zhí)行時(shí)間

% timeit go_fast(x)

知識(shí)點(diǎn)擴(kuò)展：

numba適合科學(xué)計(jì)算

numpy是為面向numpy數(shù)組的計(jì)算任務(wù)而設(shè)計(jì)的。

在面向數(shù)組的計(jì)算任務(wù)中，數(shù)據(jù)并行性對(duì)于像GPU這樣的加速器是很自然的。Numba了解NumPy數(shù)組類型，并使用它們生成高效的編譯代碼，用于在GPU或多核CPU上執(zhí)行。特殊裝飾器還可以創(chuàng)建函數(shù)，像numpy函數(shù)那樣在numpy數(shù)組上廣播。

什么情況下使用numba呢？

• 使用numpy數(shù)組做大量科學(xué)計(jì)算時(shí)
• 使用for循環(huán)時(shí)

到此這篇關(guān)于numba提升python運(yùn)行速度的實(shí)例方法的文章就介紹到這了,更多相關(guān)如何使用numba提升python運(yùn)行速度內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！