[英]Clojure Performance optimzation vs Equivalent Java
加速此功能的最简单方法是什么? 根据Criterium,java中的等效代码快了近50倍。
我敢打赌,如果我使用java数组并减少拳击量,这将有所帮助,但我想我先发布在这里,看看我是否有任何基本错误,我很容易修复。 注意,我已经为Clojure指出了(double ...),它极大地提高了性能,但仍然没有Java那样。 我还首先使用(双数组...)转换seq而不是在函数内部使用(vec ...),这也提高了性能,但同样,没有像Java那样。
(defn cosine-similarity [ma mb]
(let [va (vec ma), vb (vec mb)]
(loop [p (double 0)
na (double 0)
nb (double 0)
i (dec (count va))]
(if (neg? i)
(/ p (* (Math/sqrt na) (Math/sqrt nb)))
(let [a (double (va i))
b (double (vb i))]
(recur (+ p (* a b))
(+ na (* a a))
(+ nb (* b b))
(dec i)))))))
请注意,ma和mb都是序列,每个序列包含200个Double。 在Java版本中,它们作为double [] args传递。
使用(double 0)
没有直接指定0.0
(双精简版)所得到的性能优势。
如果将ma
和mb
作为double-array
传递并将args提示为double-array
doubles
,不通过vec
将它们转换为向量,并使用aget
进行元素查找,则会获得明显更好的性能。 这应该使您获得非常接近Java代码性能的东西。
如果将双精度数组用作args函数,则无需在let块内进行double
调用。
最终结果应如下所示:
(defn cosine-similarity [^doubles ma ^doubles mb]
(loop [p 0.0
na 0.0
nb 0.0
i (dec (count va))]
(if (neg? i)
(/ p (* (Math/sqrt na) (Math/sqrt nb)))
(let [a (aget va i)
b (aget vb i)]
(recur (+ p (* a b))
(+ na (* a a))
(+ nb (* b b))
(dec i))))))
你尝试过添加吗?
(set! *unchecked-math* true)
由于您知道范围,因此可以使用它来获得额外的速度。
编辑:@noisesmith是正确的,双数组和输入输入产生巨大的不同。
Edit2:Alex Miller发表评论后获得了快速的结果。
(set! *unchecked-math* true)
(defn ^double cosine-similarity
[^doubles va ^doubles vb]
(loop [p 0.0
na 0.0
nb 0.0
i (dec (alength va))]
(if (< i 0)
(/ p (* (Math/sqrt na) (Math/sqrt nb)))
(let [a (aget va i)
b (aget vb i)]
(recur (+ p (* a b))
(+ na (* a a))
(+ nb (* b b))
(dec i))))))
(defn rand-double-arr [n m]
(double-array
(take n (repeatedly #(rand m)))))
(def ma (rand-double-arr 200 10000))
(def mb (rand-double-arr 200 10000))
; using do times
(dotimes [_ 30] (time (cosine-similarity ma mb)))
; ...
; "Elapsed time: 0.003537 msecs"
; using criterium: [criterium "0.4.3"]
(use 'criterium.core)
(quick-bench (cosine-similarity ma mb))
;
; Execution time mean : 2.072280 µs
; Execution time std-deviation : 214.653997 ns
; Execution time lower quantile : 1.765412 µs ( 2.5%)
; Execution time upper quantile : 2.284536 µs (97.5%)
Overhead used : 6.128119 ns
第一个版本在500〜1000毫秒范围内...
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.